Aug, 2023

具备物理声场先验的生成对抗网络

PDF
TL;DR该论文提出了一种基于深度学习的方法，使用生成对抗网络（GANs）对声场进行时空重建。该方法利用平面波基础，并学习房间内压力的潜在统计分布，以从有限数量的测量中准确重建声场。该方法的性能经过两个已建立的数据集评估，并与最先进的方法进行比较。结果表明，该模型能够在准确性和能量保持方面实现改进的重建性能，尤其是在高频范围和超过测量区域的外推时。此外，所提出的方法能够处理不同数量和配置的测量位置而不影响性能。结果表明，该方法为使用生成模型进行声场重建提供了一种有前景的方法，允许对声学问题进行物理上明确的先验条件。
发现论文，激发创造
  • 对抗性音频合成

    本篇论文介绍了 WaveGAN，这是将 GANs 应用到无监督的原始音频波形合成中的第一个尝试。WaveGAN 能够合成具有全局一致性的音频波形，适用于音效生成，并且实验结果表明，它能够在没有标签的情况下学习生成一些可理解的单词和其他领域（如鸟类鸣叫、钢琴和鼓声等）的音频。

    Feb, 2018

  • 基于生成对抗网络的音频到场景图像合成

    通过使用生成对抗网络、谱范数、投影判别器和辅助分类器等技术，我们的模型可以更好地生成声音相关的图像，这表明我们的模型在一定程度上真正了解声音和图像之间的关系。

    Aug, 2018

  • SEGAN: 语音增强生成对抗网络

    本研究提出使用生成对抗网络进行语音增强，通过训练模型使其在波形级别对 28 个说话人和 40 种不同噪声条件进行增强，目的是解决当前技术只能处理少量特定噪声条件和依赖于一阶统计量的问题，实验证明该模型的可行性和有效性，未来可以进一步探索生成性结构用于提高语音增强的性能。

    Mar, 2017

  • 利用生成对抗网络进行鲁棒语音识别

    本文提出了一种利用生成对抗网络（GAN）优化端到端框架，实现鲁棒语音识别的方法，该方法能够使编码器具有改进的不变性，而不需要依赖于专业知识或简化假设，并通过数据驱动的方式，直接提高模型的鲁棒性，从而提高了模型的远场语音识别能力。

    Nov, 2017

  • GANSynth：对抗神经音频合成

    本文介绍了在频谱域中建模日志幅度和瞬时频率可提高 GAN 在音频合成方面的表现，并通过 NSynth 数据集的大量实证研究表明，GAN 能够比强 WaveNet 基线在自动化和人工评估指标上表现更好，而且比自回归模型产生的音频快几个数量级。

    Feb, 2019

  • 基于物理学的生成对抗模型用于图像修复及其它领域

    该研究提出了一种基于生成模型和对抗学习的图像恢复算法，并通过物理模型约束学习提高了生成对抗网络的图像生成质量，具有在多种低级视觉问题中应用的广泛适用性。

    Aug, 2018

  • 融合生成对抗网络的统计参数语音合成

    本文介绍了一种使用生成对抗网络（GAN）的统计参数语音合成方法，相比于传统的最小生成误差训练算法，该方法能够更自然地生成语音波形，并有效缓解了生成语音参数的平滑问题。我们还研究了不同 GAN 之间的差异，并发现最小化 Earth-Mover 距离的 Wasserstein GAN 可以最大程度地提高合成语音的质量。

    Sep, 2017

  • 用对抗网络实现高保真度语音合成

    使用条件前馈生成器和多个鉴别器组成的架构，GAN-TTS 能够生成自然度与当前最先进的模型相当，而且可以高度并行化。同时，研究者还使用了主观人类评估及新型量化指标来评估 GAN-TTS 的性能。

    Sep, 2019

  • 物理引导的训练 GAN 提高气动翼型设计合成的准确性

    通过物理引导训练生成对抗网络（GAN）模型，在不使用训练数据集的情况下，生成全新的形状，并且改善了现有 GAN 模型的准确性和物理有效性。

    Aug, 2023

  • 扩散模型下的声场重建

    使用基于数据驱动生成模型的条件去噪扩散概率模型 (DDPM) 首次提出，在模态频率范围内重建了房间中声场的幅度，结果显示 SF-Diff 能够提供准确的重建，优于基于核插值的现有方法。

    Dec, 2023