学者视界 | 李圣辰：聆“听”未来的声音

春眠不觉晓，处处闻啼鸟。

夜来风雨声，花落知多少。

梦醒之时，唯有鸟鸣啁啾可闻，这是春日清晨之景。深夜辗转，虽未目睹窗外情境，但风声飒飒，雨声潺潺，想必也是落英缤纷的场景。

在视觉受限或无法触及之处，听觉成为感知世界的关键手段。同样，机器亦如是。

西交利物浦大学（以下简称“西浦”）智能工程学院李圣辰博士专注于机器听觉领域研究多年。

李圣辰博士

日前，由西浦李圣辰博士主持的国家自然科学基金青年科学基金项目——“基于领域自适应的声学场景识别技术”顺利结题。

课题主要研究利用领域自适应方法解决音频场景识别中不同录音设备、不同地域和不同音频场景定义之间的场景识别方法。通过有标签数据的学习，将得到的音频场景模型迁移到无标签的音频场景数据中，以提高音频场景识别方法的实用性。领域自适应方法是一种典型的迁移学习方法，通过将源域与目标域的数据分布进行对齐，实现不同数据域之间的知识共享，来提高机器学习算法的性能。

选择“冷门”赛道

“同时有一道红光、一道蓝光照射而来，你看到的光是紫色的；当一男一女激烈争论时，你听到的是两口子在吵架。”这种现象背后的奥秘，正是李圣辰博士揭示的机器听觉任务的复杂性。他认为，听觉信息在隐私保护、采集设备功耗与体积等方面均优于视觉信息，因此，开展机器听觉方面的研究对于推动人工智能技术的进步和发展，拓展家居、医疗、生产等领域的应用都具有重要意义。

自20世纪50年代人工智能兴起以来，机器听觉作为其重要分支，一般音频的概念直至2013年才出现。李圣辰博士坦言，“在机器听觉领域内，鲜少有人涉足一般音频的研究，因为理论上缺乏先验知识，如何让计算机去识别、量化、建模是极为困难的。”

一般音频处理，这个“冷门“的研究领域要追溯到2013年。当时，李圣辰在攻读博士学位的伦敦玛丽女王大学（Queen Mary University of London）率先承办了由IEEE（Institute of Electrical and Electronics Engineers电气与电子工程师协会）信号处理学会声学信号专委会举办的第一届声音场景分类与事件检测数据挑战赛（即“DCASE 数据挑战赛“）。该赛事自此成为相关领域研究的重要里程碑，每年参赛队伍和人数激增，比赛项目也从单一的声学场景检测与声学事件检测扩展到包括声音定位、声学开放数据集问题等多个前沿机器学习问题，吸引了学术界及工业界的广泛关注和积极参与，堪称声学领域最权威的国际竞赛之一。自2017年起，李圣辰博士开始带领研究生参加DCASE数据挑战赛。他先后多次在DCASE数据挑战中取得佳绩，包括19年声学场景分类开放数据集项目的第一名、20年语音自动描述的第二名、22年低算法复杂度声学场景分类的第二名。

攻坚克难，不忘初心

在科研生涯中，破解难题始终是每位学者孜孜以求的目标。李圣辰博士在应对挑战之际，不仅致力于解答问题，更积极探寻新知识，开辟全新的研究领域。

“2017年，我与团队提出了音频算法压缩以提高计算效率的观点，而相关理论实践的比赛事项则在三四年后才逐步开展；2018年，我们是最早采用多头注意力机制解决音频事件检测的团队之一。”，李圣辰博士分享道，“尽管随着机器听觉地不断发展，技术的进步，部分内容已被取代，但作为早期提出建设性问题的人，我深感自豪。”

李圣辰博士自幼学习钢琴，博士阶段主攻计算机音乐学研究。他表示，“西浦提供了一个自由开放的科研环境，使我能够静心攻关、创新突破。来到西浦后，我重拾计算音乐学研究，每当科研遭遇瓶颈时，我会通过弹奏钢琴来缓解压力。未来，我期望将计算音乐学与普通音频处理有机结合。”同时，李圣辰博士致力于营造轻松愉快的科研氛围，激发学生的创新潜力。他坚信科研需要自我驱动力， “过度的干预指导只会让我的能力成为学生能力的天花板，我作为老师，希望他们在科研成就上都能超越我。”

李圣辰博士和其学生

这是一个充满声音的世界，而人工智能正在努力学习倾听。未来，机器听觉与李圣辰博士的研究将带来无限的可能。

撰稿：科研管理办公室

2024年06月26日

欢迎关注“西浦科研”公众号，阅读更多“学者视界”系列内容及科研相关资讯。