文献

J-GLOBAL ID：201902240870164407   整理番号：19A1115415

並列wavenetを用いた音声超解像【JST・京大機械翻訳】

Speech Super-Resolution Using Parallel WaveNet

著者 (8件)： Wang Mu (Tsinghua-CUHK Joint Research Center for Media Sciences, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen) ,  Wu Zhiyong (Tsinghua-CUHK Joint Research Center for Media Sciences, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen) ,  Kang Shiyin (Tencent AI Lab, Shenzhen) ,  Wu Xixin (Department of Systems Engineering and Engineering Management, The Chiense University of Hong Kong, Hong Kong) ,  Jia Jia (Tsinghua-CUHK Joint Research Center for Media Sciences, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen) ,  Su Dan (Tencent AI Lab, Shenzhen) ,  Yu Dong (Tencent AI Lab, Shenzhen) ,  Meng Helen (Tsinghua-CUHK Joint Research Center for Media Sciences, Technologies and Systems, Graduate School at Shenzhen, Tsinghua University, Shenzhen)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISCSLP  ページ： 260-264  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： オーディオ超解像は,与えられた低分解能(すなわち低サンプリング速度)オーディオのサンプリングレートを増加させるタスクである。音声超解像のための最も一般的な手法の一つは,再構成信号と高サンプリング速度信号の間の二乗ユークリッド距離を点毎に最小化することである。しかし,そのようなアプローチは,平均問題への回帰のような固有の限界を持っている。本研究では,音声超解像タスクのための新しい自己回帰法を導入した。これはWaveNetを利用して,低分解能信号のログスケールのメルスペクトルによるターゲット高分解能信号の分布をモデル化する。自己回帰ニューラルネットワークとして,WaveNetは,目的関数として負の対数尤度を使用する。それは,ユークリッド距離の代わりに,音声波形のような高度に確率的なプロセスに非常に適している。また,並列WaveNetを訓練し,生成過程をリアルタイムにスピードアップした。実験では,VCTKコーパス上でサンプリング速度を4kHzから16kHzに増加させることにより音声超解像を行った。提案した方法は,対数スペクトル距離(LSD)メトリックの下で,ベースラインの深い残留畳込みニューラルネットワーク(CNN)上で約2dBの改善を達成することができる。Copyright 2019 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： 対数 ,  再構成 ,  コーパス ,  モデリング ,  目的関数 ,  ニューラルネットワーク ,  *超解像 ,  高分解能 ,  基準線 ,  スペクトル ,  オーディオ機器
準シソーラス用語： 実時間 ,  自己回帰 ,  Euclid距離 ,  サンプリング速度 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： WaveNet ,  音声 ,  超解像