哪个在发声？面向视听分割的双耳发声实例消歧方法 BiSID-AVS

新研究提出双耳发声实例消歧方法 BiSID-AVS，利用双耳音频的空间线索，解决视听分割中同类多目标难以区分真实发声实例的问题。该方法先定位候选区域并构建空间响应图，再通过特征与解码器双层空间调节细化出发声实例掩码。在 AVS-Synthetic 和 Habitat-AVS 多候选子集上，其实例级 mIoU 分别提升 35.19 和 41.21 个百分点。