學界 | 無需進行濾波後處理,利用循環推斷算法實現歌唱語音分離

 2017-11-13 12:11:00.0

原標題:學界 | 無需進行濾波後處理,利用循環推斷算法實現歌唱語音分離

選自arXiv

參與:路雪、李澤南

近日,來自 Fraunhofer IDMT、Tampere University of Technology 與蒙特利爾大學的 Yoshua Bengio 等人在 arXiv 上提交了一篇論文,提出跳過使用泛化維納濾波器進行後處理的步驟,轉而使用循環推斷算法和稀疏變換步驟進行歌唱語音分離,效果優於之前基於深度學習的方法。這篇論文已經提交至 ICASSP 2018。

論文:Monaural Singing Voice Separation with Skip-Filtering Connections and Recurrent Inference of Time-Frequency Mask

  • 論文鏈接:https://arxiv.org/abs/1711.01437v1

  • on-line demo 地址:https://js-mim.github.io/mss_pytorch/

  • GitHub 地址:https://github.com/Js-Mim/mss_pytorch

摘要:基於深度學習的歌唱語音分離依賴於時頻掩碼(time-frequency masking)。在很多情況中,掩碼過程(masking process)不是一個可學習的函數,也無法封裝進深度學習優化中。這造成的結果就是,大部分現有方法依賴於使用泛化維納濾波器(generalized Wiener filtering)進行後處理。我們的研究提出一種方法,在訓練過程中學習和優化源依賴掩碼(source-dependent mask),無需上述後處理步驟。我們引入了一種循環推斷算法、一種稀疏變換步驟用於改善掩碼生成流程,以及一個學得的去噪濾波器。實驗結果證明,與之前單聲道歌唱語音分離的頂尖方法相比,該方法使信號失真比(signal to distortion ratio)提高了 0.49 dB,信號干擾比(signal interference ratio)提高了 0.30 dB。

undefined

圖 1:方法圖示。

表 1:幾種方法的中值信號失真比(SDR)和信號干擾比(SIR)(單位爲 dB)。下劃線爲我們提出的方法。值越高效果越好。

結論

本論文中,Bengio 等人展示了一種用於歌唱語音分離的方法,無需使用泛化維納濾波器進行後處理。研究人員向跳過濾波的連接 [12] 引入了稀疏變換,效果優於使用泛化維納濾波器的方法。此外,實驗證明引入的循環推斷算法(recurrent inference algorithm)在單聲道語音分離中取得了頂尖的結果。實驗結果證明這些擴展優於之前用於歌唱語音分離的深度學習方法。

本文爲機器之心編譯,轉載請聯繫本公衆號獲得授權。

責任編輯:

文章來源:機器之心