ICMLJul, 2018

使用相位特征改进基于 DNN 的音乐源分离

PDF
TL;DR本文探讨了利用深度神经网络在音乐源分离中仅依赖幅度特征与在加入相位特征后分离性能的提升，提出了一种新的神经网络结构，该结构结合了幅度和相位，实验结果表明，相比仅使用幅度特征的网络，在 DSD100 测试集上使用相位衍生特征能够有效提升音频信号的信噪比，特别地，低音乐器的分离效果因此得到了明显的提升。
发现论文，激发创造
  • 基于深度学习的说话人分离相位重建：三角函数视角

    该研究采用深度学习对短时傅里叶变换领域中的单声道讲话人无关音频分离进行了相位重构实验，提出了三个基于迭代相位重构、组群延迟估计和相位差符号预测的算法，对公开的 wsj0-2mix 和 3mix 语料库进行了最先进的测试。

    Nov, 2018

  • 端到端音乐源分离：在波形领域是否可能？

    本论文研究使用端到端模型进行音乐信号源分离，在考虑所有可用信息的基础上实现对原始音频信号（包括相位部分）的源分离。结果表明，我们提出的一种基于 Wavenet 的模型和 Wave-U-Net 的性能都可以优于 DeepConvSep，一个基于谱图的深度学习模型。

    Oct, 2018

  • 幅度相位重组：在频域重新思考卷积神经网络的鲁棒性

    本文研究使用图像的相位与幅度谱对于卷积神经网络在图片分类中的作用，发现使用相位谱能使网络更加稳健，利用此结论我们设计了新的数据增强方法并在多项测评中取得了最优结果。

    Aug, 2021

  • 用于计算机听觉的源分离和深度可分离卷积

    提出一种将源分离和最先进的表示学习技术相结合的特征表示方法来优化计算机听觉（即机器听力），在一组挑战性的电子舞曲（EDM）数据集上训练深度可分离卷积神经网络，将其性能与操作源分离和标准光谱图的卷积神经网络进行比较，表明在有限数据环境下，源分离提高了分类性能。

    Dec, 2020

  • 相位连续性：学习语音增强的相位频谱导数

    本文提出了一种有效的相位重建策略，可以在嘈杂的环境中操作，通过将相位连续性损失考虑在最先进的神经语音增强系统中，本文证明了我们所提出的方法在训练过程中，可以显著提高增强语音信号的质量。

    Feb, 2022

  • 单通道音频源分离的相位相关性研究

    研究阐述了利用神经可行性稀疏生成模型中保留声音频谱的相位信息，可以更好地分离音频中的人声与音乐，减少了分离出的音频中的伪声，同时取得了最先进的状态分离性能。

    Nov, 2017

  • 相位匹配用于样本外泛化

    通过引入基于 Fourier 变换的结构性因果模型，本文旨在阐明领域泛化和频率组分之间的关系，将相位谱解释为半因果因素，将幅度谱解释为非因果因素。在多个基准测试中，通过对幅度谱进行扰动并建立空间关系来匹配相位组分，我们的方法在领域泛化和超出分布鲁棒性任务中取得了最先进的性能。

    Jul, 2023

  • 波形域音乐源分离

    本文比较了两种不同的音乐源分离模型：Conv-Tasnet 和 Demucs。实验结果表明，Demucs 模型通过采用恰当的数据增广技术，在音乐分离任务上优于 Conv-Tasnet 模型，同时其语音自然度表现也更佳。

    Nov, 2019

  • PADDLES: 基于相位 - 振幅谱解耦的噪声标签学习早停止方法

    本研究提出了一种称为 PADDLES 的方法，通过使用离散傅里叶变换（DFT）将某些层的特征分解为振幅谱（AS）和相位谱（PS），在训练期间分别在不同的时间点停止 AS 和 PS 的训练，以提高 CNNs 对标签噪声的鲁棒性。在合成和现实标签噪声数据集上，PADDLES 的表现超过了其他早期停止方法，并实现了最先进的性能。

    Dec, 2022

  • 可微分参数源模型的无监督音乐源分离

    本文提出了一种无监督的基于模型的深度学习方法，用于音频源分离，该方法通过参数化源过滤器模型对每个源进行建模，并使用神经网络以基本频率估计源模型的参数来重构观察到的混合音频信号，实验证明该方法具有较高的数据效率和好的分离效果。

    Jan, 2022