Audio Mamba: Bidirectionaal State Space Model voor Audio Representatie Leren

Audio Mamba: Bidirectional State Space Model for Audio Representation Learning

June 5, 2024

Auteurs: Mehmet Hamza Erol, Arda Senocak, Jiu Feng, Joon Son Chung

cs.AI

Samenvatting

Transformers zijn snel de voorkeurskeuze geworden voor audioclassificatie, waarbij ze methoden gebaseerd op CNN's overtreffen. Audio Spectrogram Transformers (AST's) vertonen echter een kwadratische schaling door self-attention. Het verwijderen van deze kwadratische self-attention-kosten vormt een aantrekkelijke richting. Recentelijk hebben state space models (SSM's), zoals Mamba, potentieel getoond voor taal- en visietaken in dit opzicht. In deze studie onderzoeken we of afhankelijkheid van self-attention noodzakelijk is voor audioclassificatietaken. Door Audio Mamba (AuM) te introduceren, het eerste self-attention-vrije, puur op SSM gebaseerde model voor audioclassificatie, willen we deze vraag beantwoorden. We evalueren AuM op diverse audio-datasets - bestaande uit zes verschillende benchmarks - waar het vergelijkbare of betere prestaties behaalt in vergelijking met een gevestigd AST-model.

English

Transformers have rapidly become the preferred choice for audio classification, surpassing methods based on CNNs. However, Audio Spectrogram Transformers (ASTs) exhibit quadratic scaling due to self-attention. The removal of this quadratic self-attention cost presents an appealing direction. Recently, state space models (SSMs), such as Mamba, have demonstrated potential in language and vision tasks in this regard. In this study, we explore whether reliance on self-attention is necessary for audio classification tasks. By introducing Audio Mamba (AuM), the first self-attention-free, purely SSM-based model for audio classification, we aim to address this question. We evaluate AuM on various audio datasets - comprising six different benchmarks - where it achieves comparable or better performance compared to well-established AST model.