audio domain | BriefGPT - AI 论文速递

关键词audio domain

搜索结果 - 7

强化解释性声音分类的焦点调制网络
通过使用最近提出的无注意力聚焦调制网络（FocalNets），这篇论文在音频领域首次将 FocalNets 应用于环境声音分类任务，评估了其可解释性在流行的 ESC-50 数据集上的性能。与类似规模的视觉变换器相比，我们的方法在准确性和可解
PDF5 months ago
音频中无监督的音乐对象发现
我们提出了一种新的方法，将 SlotAttention 结构应用于音频领域，实现了无监督的音乐分解。我们介绍了一个基于频谱图的多对象音乐数据集，用于评估西方调性音乐上的对象中心学习。MusicSlots 在无监督的音符发现上表现良好，并在监
PDF8 months ago
ICML使用 StyleGAN2 和 MEL 光谱图生成多样化的人声爆发
使用条件 StyleGAN2 模型对经过处理的音频中的 Mel-spectrograms 进行训练，并将生成的 Mel-spectrograms 逆向回音频领域，从而成功改进了 ICML Expressive Vocalizations 竞
PDF2 years ago
音乐相似度的解耦多维度度量学习
本文介绍了一个新的多维相似度度量方法，通过深度度量学习和基于音轨的信息相结合，将全局和专业的相似性策略融合在了一起，使得音乐相似度搜索的结果更准确。作者在用户研究中证明了该方法具有显著性能优势。
PDF4 years ago
AAAI生成（非软件）错误以愚弄分类器
本文提出了生成自然对抗样本的系统化方法，通过一些自然变化来模仿某种对象或信号，结果表明可以在图像分类模型和语音分类模型中成功生成对抗样本。
PDF5 years ago
解释和说明用于音频信号分类的深度神经网络
本文旨在探究如何使用 layer-wise relevance propagation 技术在音频领域内进行深度神经网络的解释性分析，并使用一个英语语音数字数据集对于语音数字和演讲者性别进行分类任务，通过对 LRP 得到的相关性分数进行假设
PDF6 years ago
NIPS基于样本级 CNN 结构的原始波形音频分类
本文研究了音频领域中可扩展的分类模型，并使用两种不同的基于样本级的深度卷积神经网络模型实现。通过对各种声音类别的测试表明，这些模型达到了最先进的性能水平，并可视化了滤波器在网络中的变化。
PDF7 years ago