文献

J-GLOBAL ID：201802284038253565   整理番号：18A1771733

音声雑音除去のためのwavenet【JST・京大機械翻訳】

A Wavenet for Speech Denoising

著者 (3件)： Rethage Dario (Music Technology Group, Universitat pompeu Fabra, Barcelona) ,  Pons Jordi (Music Technology Group, Universitat pompeu Fabra, Barcelona) ,  Serra Xavier (Music Technology Group, Universitat pompeu Fabra, Barcelona)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5069-5073  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ほとんどの音声処理技術は,フロントエンドとしてマグニチュードスペクトログラムを使用し,したがって,信号の部分を捨てることにより,位相を決定する。この限界を克服するために,ウェーブレットに基づく音声雑音除去のためのエンドツーエンド学習法を提案した。提案したモデル適応は,ウェーブレットの強力な音響モデリング能力を保持し,一方,その自己回帰特性を除去することにより,その時間複雑性を大幅に低減した。具体的には,このモデルは単一ターゲットサンプルの代わりに非因果,拡張畳込みを利用し,ターゲット場を予測する。このモデルの識別適応を提案し,回帰損失を最小化することにより教師つき様式で学習した。これらの修正は,訓練と推論の両方においてモデルを高度に並列化できる。定量的および定性的評価の両方により,提案した方法がWienerフィルタリングよりも優れていることを示した。これは,マグニチュードスペクトログラムの処理に基づく一般的な方法である。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  学習 ,  波束 ,  マグニチュード ,  音声処理 ,  エンドツーエンド方式 ,  位相 ,  *雑音除去
準シソーラス用語： スペクトログラム ,  複雑性 ,  定性的評価 ,  自己回帰 ,  Wienerフィルタリング ,  モデル適応 ,  音響モデリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 音声 ,  雑音除去 ,  WaveNet