利用野外自运动监督的双耳声源定位方法

研究者提出一种以自运动（egomotion）作为监督信号的双耳声源定位学习方法，通过多视图几何传统方法估计相机运动，训练音频模型预测与视觉相机运动估计一致的声源方向。该方法将这种弱但充足的监督与传统双耳线索结合，并构建了带自运动的真实世界音视频数据集进行评估，结果显示模型能从真实数据中成功学习并在声源定位任务上表现良好。