正確で安定な教師なし音声分離のための敵対的に学習した分離器に関する再混合サイクル無矛盾学習【JST・京大機械翻訳】

Saijo Kohei; Ogawa Tetsuji

プレプリント

J-GLOBAL ID：202202204788106822 整理番号：22P0310730

正確で安定な教師なし音声分離のための敵対的に学習した分離器に関する再混合サイクル無矛盾学習【JST・京大機械翻訳】

Remix-cycle-consistent Learning on Adversarially Learned Separator for Accurate and Stable Unsupervised Speech Separation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年03月26日プレプリントサーバーでの情報更新日： 2022年03月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

音声分離ネットワークのための新しい学習アルゴリズムを設計し,教師なし方法で分離された信号における残留雑音とアーチファクトを明示的に低減した。観測信号に対するグランドトルースがアクセスできないとき,生成敵対ネットワークは分離ネットワーク構築に効果的であることが知られている。なお,分布対分布マッピングを目的とした弱い目的は,学習を不安定にし,その性能を制限する。本研究は,より適切な目的関数として再混合サイクル-一貫性損失を導入し,それを微調整したソース分離モデルを微調整するためにそれを使用する。再混合-サイクル-一致損失は,混合音を分離して,その出力を別の組合せで再混合するプロセスを交替することによって得られる,マイクロホンと擬似混合音声で観測される混合音声の間の差異として定義される。この損失の最小化は,分離ネットワークの出力における歪みの明示的な減少をもたらす。マルチチャネル音声分離との実験的比較は,提案した方法が教師つき学習に匹敵する高い分離精度と学習安定性を達成することを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

音声処理 , 人工知能

, , , , ,

前のページに戻る