音乐源分离的类条件嵌入

Nov, 2018

Class-conditional embeddings for music source separation

Prem Seetharaman, Gordon Wichern, Shrikant Venkataramani, Jonathan Le Roux

TL;DR该论文介绍一种使用深度聚类和深度吸引子网络的方法，将音乐混合中的所有乐器的时频图嵌入到一个共同的嵌入空间中，并使用混合高斯模型生成参数，从而实现对音乐源的分离，同时嵌入空间具有易于解释性。

Abstract

Isolating individual instruments in a musical mixture has a myriad of potential applications, and seems imminently achievable given the levels of performance reached by recent deep learning methods. While most musical source separation techniques learn an independent model for each instrument, we propose using a common embedding space for the time-frequency

musical source separation deep clustering deep attractor networks gaussian mixture model interpretability

发现论文，激发创造

深度聚类：用于分割和分离的判别嵌入

本文提出了一种称为 “深度聚类” 的深度学习框架，通过使用光谱图嵌入进行声源分离，从而实现类无关的信号分离，大大降低了领域分割成本，并且不依靠类别给出类标签，具有将不同源集合的潜力。

Aug, 2015

基于音频查询的音乐源分离

这篇论文提出了一种基于音频查询的音乐源分离方法，可以通过查询信号明确地编码源信息，以及在无查询条件下生成通过潜空间插值连续输出的分离掩模。

Aug, 2019

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

使用声音分类改进通用声音分离

本文研究基于深度学习、语义嵌入和分类网络应用于通用声源分离，并成功建立了新的最先进的模型，从而提高了声源分离的性能。

Nov, 2019

音乐器乐演奏的条件源分离

该研究提出一种音乐源分离方法，能够处理多个同时发声的乐器。该方法探讨了在主要源分离网络的不同级别应用条件技术，利用了存在或不存在于混音中的乐器和相应的视频流数据等两个额外的数据模态，以提升分离质量。

Apr, 2020

深度聚类和传统网络用于音乐分离：攜手更強大

本文探讨了 Deep clustering 在音频和音乐源分离任务中的表现，发现其优于传统网络，同时也成功地将其与传统网络可拼接在一起，构建出一个更为强大的混合网络。

Nov, 2016

Demucs: 深度源音频分离器及其在额外未标注数据中的应用

本文使用深度学习等方法对音乐进行源分离研究，提出了一种卷积和循环的模型，同时提出了一种新的方法来利用无标签的音乐数据，这些方法比现有的方法表现更好。

Sep, 2019

深度吸引子网络用于单麦克风说话人分离

本研究提出了一种基于深度学习的语音分离框架，通过在高维嵌入空间中创建引子点，将混合物中的不同来源对应的时间 - 频率区间聚合在一起。该模型通过最小化嵌入的重建误差来优化。与之前的工作不同，本模型实现了端到端的培训，不依赖混合介质中源的数量，并在测试时间尝试了两种策略，K-means 和固定吸引子点，后者无需后处理即可实时实现。在华尔街日报数据集上评估了该系统并优于之前的最优方法 5.49％。

Nov, 2016

多通道非负矩阵分解中的预训练空间先验用于音乐源分离

该文介绍了一种利用录音设置中获取到的空间信息进行声源分离的新方法。该方法通过使用独奏段落训练一个空间混合滤波器，以捕捉每个传感器位置的房间冲击响应和传感器响应的信息。然后将这个预训练的滤波器集成到多通道非负矩阵因式分解（MNMF）方案中，以更好地捕捉不同声源的方差。实验证明，该方法在多声部合奏中能够有效地分离个别声源，并比传统的 MNMF 方法表现更出色。

Oct, 2023

基于深度吸引子网络的说话人无关语音分离

提出了一种新的深度学习框架来解决混合谱中时域 - 频域混淆的问题并有效恢复说话者语音，其中将混合信号的时频表示投影到高维嵌入空间，并为每个说话者创建一个参考点吸引器，并将说话者的嵌入向量强制聚集到其相应的吸引器点附近，该方法在 Wall Street Journal 数据集上表现出与其他最先进的深度学习方法相媲美甚至更好的性能。

Jul, 2017