Feb, 2022

可学习非线性压缩用于稳健扬声器验证

PDF
TL;DR本研究基于深度神经网络，针对演讲者验证中的非线性压缩方法在光谱特征中的应用进行了探究，并提出了一种多区域设计的非线性压缩方法，通过实验证明与常用的对数方法相比，在 VoxCeleb1 和 VoxMovies 数据集上，基于功率函数的压缩方法的性能得到了很大提高，并且在 VoxMovies 数据集上，相比静态压缩方法，我们的多区域设计方法提供了更好的稳健性。
发现论文，激发创造
  • 增强学习图像压缩的通道特征去相关

    通过充分利用现有的深度神经网络容量，本研究提出了一种改进压缩的方法，通过引导潜在特征学习更丰富和多样化的特征来实现更好的重构效果，并将通道相关的特征去相关损失集成到优化过程中，实验证明该方法在两种传统压缩方法上提高了压缩性能，没有增加额外的复杂性，可以作为类似方法的即插即用的优化方案。

    Mar, 2024

  • 基于深度神经网络的端到端优化语音编码

    该论文介绍了一种基于深度神经网络的语音编码器，它实现了从原始语音数据到压缩、量化、熵编码和解压缩的端到端优化，无需手动特征工程，并在不同的比特率下表现与 AMR-WB 标准相当，同时能够在 3.8GhZ 英特尔 CPU 上实时运行。

    Oct, 2017

  • 大规模无线电扬声器验证的强健通道学习

    基于无线电通信的扬声器验证中的频道鲁棒性学习框架来增强现有扬声器验证流程的耐用性和可靠性，通过数据源、数据增强和模型转移过程的效率考虑，有效提高扬声器验证性能和减轻无线电传输引起的性能下降。

    Jun, 2024

  • 循环神经网络压缩及其在嵌入式语音识别 LVCSR 声学建模中的应用

    本研究旨在实现恰当地压缩循环神经网络的目的，并提出了一种同时压缩循环和非循环层权重矩阵的通用压缩技术。通过这种方法，将 LSTM 声学模型减小到原来的三分之一，同时保持准确性可接受。

    Mar, 2016

  • 基于神经压缩的特征学习用于视频修复

    本篇论文提出一种噪声鲁棒特征表示的神经模型，其采用了一种空间通道量化机制来自适应地确定潜在位置的量化步长，以在视频恢复中过滤噪声并保留精华信息，实验表明，该方法在视频去噪方面具有显著的性能提升，且在视频去雨和去雾方面也取得了 SOTA 的结果。

    Mar, 2022

  • 基于极低复杂度深度学习的噪声抑制

    一种创新的方法用于在资源受限设备上实时语音增强的深度神经网络计算复杂度的减少，该方法利用两阶段处理框架，采用通道特征重定向来降低卷积运算的计算负荷，并结合改进的功率定律压缩技术以实现与最先进方法相当的噪声抑制性能，但具有显著较少的计算要求。值得注意的是，我们的算法的计算复杂度和内存使用比之前最先进的方法要少 3 到 4 倍。

    Dec, 2023

  • 视频质量增强的压缩实现深度结构网络

    针对压缩视频的质量增强任务，提出了 Compression-Realize Deep Structural Network（CRDS）方法，利用经典压缩编码器结构和深度网络能力相结合的方式，引入了三种与压缩编解码器中三个主要过程相匹配的归纳偏差。通过构建预训练的潜在降级残差自编码器、精确的运动估计和残差提取以及分解质量增强为一系列简单的降噪子任务，实验证明该方法在 LDV 2.0 和 MFQE 2.0 等数据集上超越了现有模型。

    May, 2024

  • 利用无损压缩算法进行多光谱时间序列的低资源作物分类

    基于符号表示和多尺度归一化压缩距离的非训练框架在作物分类中具有高性能和鲁棒性，适用于真实世界的农田调查。

    May, 2024

  • 使用特征融合和并行结构分类器增强文本无关说话人验证系统

    提出了结合不同声学特征和支持向量机分类器的方法，以改善噪声环境下说话人验证系统的性能。结果表明，在干净语音或噪声存在的情况下，使用组合特征和组合分类器可以显著提高系统性能。最后，提出了多频带噪声去除技术作为预处理阶段，用以增强在嘈杂环境下的系统。

    Jan, 2024

  • 用于有损图像压缩的高效非线性转换

    该研究评估了 Sadam 和 GDN 两种技术在非线性转换编码中的性能表现，结果表明这两种技术可以稳定训练过程并提高逼近未知速率失真最优转换函数的能力，同时作者详细介绍了它们的实现方法并提供开源代码。

    Jan, 2018