arXiv eess.AS· Chenlong Wei, Hanling Wang, Mingjin Lou, Yufan Shi, Yandong Sun, Sheldon Yu, Xiaohui Zhu, Xiaobo Jin, Yiwei Wang·· 5 小时前评分32
SonicWorld：面向空间音频推理的以声源为中心的潜在动态建模
SonicWorld: Source-Centric Latent Dynamics for Spatial Audio Reasoning
导读
SonicWorld 将物理、学习到的声学与语义特征整合为持久声源状态，并投影到 Omni LLM 进行空间推理。在 Sonic-Bench 测试集上，其方向准确率从 Spatial-Omni 的 31.98% 提升至 34.69%，方位角误差从 57.22° 降至 48.01°。零样本迁移到 Spatial LibriSpeech 时，方向准确率达 73.98%、方位角误差 19.29°，而 Spatial-Omni 为 27.14% 和 70.74°。
来源：arXiv eess.AS · arxiv.org