QK-GCC: обучаемое спектральное сопоставление запросов и ключей для устойчивой оценки задержки

QK-GCC заменяет вручную заданное спектральное сопоставление в обобщённой взаимной корреляции обучаемой операцией Query-Key. Метод сохраняет физически понятную сетку задержек, но сам определяет надёжность частот и использует соседние спектральные отсчёты, что особенно помогает в шуме и реверберации.

Метод. Два канала превращаются в запросы и ключи, чьи нормы задают частотный вес, а угол между ними отражает межканальное совпадение. Локальные смещения по частоте и симметричная с антисимметричной составляющие строят отклик по гипотезам задержки без тяжёлой предварительной фильтрации сигнала.

Результаты. QK-GCC с 322 тыс. параметров и 208 млн FLOP получает MAE 5,29 отсчёта и 66,69% оценок с ошибкой расстояния не более 10 см. NGCC-PHAT требует 888 тыс. параметров и 3,682 млрд FLOP, но достигает 6,06 отсчёта и 61,62%. На незнакомой музыке QK-GCC сохраняет 60,54% точных оценок против 54,42% у NGCC-PHAT.

Ограничения. Опыты проведены на двухканальных синтетических комнатах и классификации по конечной сетке задержек. Настоящие микрофонные тракты, движущиеся источники и полный конвейер локализации не проверены.

Фишка из статьи. Обычный спектральный трансформер с большим числом параметров почти теряет преимущество над классическими вариантами. Кроме того, выученный вес частот без прямого надзора коррелирует с межканальной когерентностью на 0,90, то есть структурное ограничение подталкивает сеть к физически осмысленному решению.

Как это читать: выигрыш даёт не сама способность внимания, а согласованная с GCC форма операции. Она одновременно дешевле нейронной фильтрации и лучше переносится на незнакомый тип сигнала.