关键词universal sound separation
搜索结果 - 4
- 无采样率依赖的通用音频分离
该论文提出了一种能够处理未经训练的采样频率的通用音频分离(USS)方法,旨在分离任意类型的来源,可作为任何后续任务的预处理器的关键技术,并通过实验验证了该方法相对于基于信号重采样的方法在各种采样频率下的性能优越性。
- ICLRCLIPSep: 无噪声标记视频的文本查询声音分离学习
该论文提出了一种使用未标记数据的 CLIPSep 模型实现通用声音分离和去噪的方法。
- 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。
- 通用音频分离
该研究使用深度学习模型进行了基于掩蔽的语音信号增强和分离任务的研究,并尝试将其应用到任意类型混音的分离任务中,即通用声音分离。在此过程中,作者比较了不同的分析合成基础和网络结构,其中长短时记忆网络和时延卷积堆栈是采用时间域增强网络(Conv