文献

J-GLOBAL ID：202002273615746465   整理番号：20A0876993

スペクトルエンベロープ量子化のための多層パーセプトロントロンベクトル量子化変分オートエンコーダ【JST・京大機械翻訳】

The Multilayer Perceptron Vector Quantized Variational AutoEncoder for Spectral Envelope Quantization

著者 (2件)： Srikotr Tanasan (Shibaura Institute of Technology,Division of Functional Control Systems, Graduate School of Engineering and Science,Japan) ,  Mano Kazunori (Shibaura Institute of Technology,Division of Functional Control Systems, Graduate School of Engineering and Science,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCE  ページ： 1-6  発行年： 2020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： 最近,従来の数学モデルを置き換えるために,深い生成学習が導入された。音声処理において,ベクトル量子化は,送信前の音声データ量を低減するための有効な圧縮法であった。本論文では,空間サイズを効率的に量子化し埋め込むために,z-潜在ベクトルの数を制御する柔軟性を管理するために,多層パーセプトロンベクトル量子化分散自動符号器(MLP-VQ-VAE)を提案した。MLP-VQVAEは,量子化のための効果的z-潜在ベクトルのサイズを受信するために,ベクトル量子化分散自動符号器(VQ-VAE)の符号器ネットワークと復号器ネットワークにおいて,畳込みニューラルネットワーク(CNN)に代わる。実験において,MLP-VQ-VAEを適用して,WORLDと呼ばれる48kHz高品質ボコーダからのスペクトルエンベロープパラメータを定量化した。MLP-VQ-VAEは,従来のベクトル量子化と比較して約1.6倍の空間サイズまたはコードブックサイズを量子化して埋め込むために,z-潜在的またはベクトルの長さの表現のメモリサイズを減少させ,VQVAEに対して21.4倍である。提案した方法は,従来のVQより約1.1dB低く,VQ-VAEより約2.5dB低いLogスペクトル距離を低減した。Copyright 2020 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： *スペクトル ,  *変分法 ,  符号表 ,  *多層パーセプトロン ,  ネットワーク ,  *ベクトル ,  音声処理 ,  数学モデル ,  符号器 ,  *ベクトル量子化 ,  *量子化 ,  記憶装置 ,  学習 ,  ボコーダ ,  復号器

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： スペクトルエンベロープ ,  量子化 ,  多層パーセプトロン ,  トロン ,  ベクトル量子化 ,  変分オートエンコーダ