在比拼从内容制作到无人机、边境监视等多个领域所使用的声学人工智能(AI)技术的全球大赛中,韩国研究团队夺得第一。
韩国科学技术院(KAIST)11日表示,电气与电子工程学部教授崔正宇研究团队在世界最权威的声音探测与分析大赛“IEEE DCASE Challenge 2025”中,夺得“基于空间语义的声学场景分割”领域冠军。
声学AI是模仿人在听到复杂声音时,依据声音种类、节奏、方向等特定线索分离出各个声音的AI模型。该技术有助于在无人机、工厂管道、边境监视系统等场景中及早探测异常声音,或在制作增强现实(AR)、虚拟现实(VR)内容时按声源分离并编辑空间音频。
该挑战赛是IEEE信号处理学会下属的国际大赛,用于评估各类声音相关探测及分类技术,自2013年举办以来已成为声学领域AI模型的全球竞技舞台。KAIST研究团队在共6个领域与全球86支参赛队伍竞争,最终夺得世界第一。
研究团队参赛的基于空间语义的声学场景分割“任务4”领域,需要分析多个声源混合的多通道信号的空间信息,分离出各个声音并完成18类分类,技术难度很高。
研究团队今年初开发出结合Transformer与Mamba架构的世界最高性能声源分离人工智能。在比赛期间,团队完成了以一次分离后的声源波形和种类为线索,再次执行声源分离与分类的阶段式推理AI模型。研究团队计划在10月于西班牙巴塞罗那举行的DCASE研讨会上发表该技术。
崔教授表示:“尽管难度大幅提升,又因其他学会日程和期末考试只有短短几周时间可用于开发,研究团队仍通过高度专注的研究夺得第一,我为每一位成员感到自豪。”






