MFA-Conformer:自動話者検証のためのマルチスケール特徴集約コンフォーマ【JST・京大機械翻訳】

Zhang Yang; Lv Zhiqiang; Wu Haibin; Zhang Shanshan; Hu Pengfei; Wu Zhiyong; Lee Hung-yi; Meng Helen

プレプリント

J-GLOBAL ID：202202205862849189 整理番号：22P0311899

MFA-Conformer:自動話者検証のためのマルチスケール特徴集約コンフォーマ【JST・京大機械翻訳】

MFA-Conformer: Multi-scale Feature Aggregation Conformer for Automatic Speaker Verification

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2022年11月10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)

本論文では,畳込み増強変換器(Conformor)に基づく自動話者検証のための,容易な実装,単純だが効果的なバックボーンである,マルチスケール特徴集約コンフォーマ(MFA-コンフォーマ)を提示した。MFA-コンフォーマのアーキテクチャは,音声認識と話者検証における最近の最先端モデルによって触発された。最初に,著者らは,モデルの計算コストを減少するために,畳込みサブサンプリング層を導入した。第2に,著者らは,変換機と畳込みニューラルネットワーク(CNNs)を結合するコンフォーマブロックを採用して,グローバルおよび局所的特徴を効果的に捉えた。最後に,すべてのコンフォーマブロックからの出力特徴マップを,最終プール化の前にマルチスケール表現を集約するために連結する。広く使われているベンチマーク上のMFA-Conformerを評価した。最良のシステムは,VoxCeleb1-O,SITW.Dev,およびSITW.Evalセットで,それぞれ0.64%,1.29%,および1.63%のEERを得る。MFA-コンフォーマは,認識性能と推論速度の両方において,一般的なECAPA-TDNNシステムよりも著しく優れている。最後に,最小ではないが,アブレーション研究は,グローバルおよび局所的特徴学習の組合せが,ロバストで正確な話者埋込み抽出を導くことができることを明確に示した。また,将来の比較のためにコードを解放した。【JST・京大機械翻訳】

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

アンテナ

, , , ,

前のページに戻る