l_1最小化と辞書学習によるオーディオ修復【JST・京大機械翻訳】

Rajbamshi Shristi; Taubock Georg; Balazs Peter; Holighaus Nicki

プレプリント

J-GLOBAL ID：202202206829977666 整理番号：22P0290091

l_1最小化と辞書学習によるオーディオ修復【JST・京大機械翻訳】

Audio Inpainting via $\ell_1$-Minimization and Dictionary Learning

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 (4件)： , , ,
資料名：
発行年： 2022年02月15日プレプリントサーバーでの情報更新日： 2022年02月15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)

Audio inpaintingは,オーディオ信号において欠損または崩壊した連続サンプルを復元することを目的とする信号処理技術に言及する。以前の研究は,適切な重み付けによるl_1最小化が,解析と合成モデルの両方に対して,オーディオ修復問題を解決できることを示した。これらのモデルは,オーディオ信号がいくつかの冗長辞書に関してスパースであり,修復目的のためのスパース性を利用すると仮定する。スパース性フレームワーク内では,辞書学習を利用してスパース性をさらに増大させ,復元後のギャップ内のエネルギー損失を補償するために,オーディオ修復に適応した重み付きl_1最小化と結合させた。著者らの実験は,著者らのアプローチが,元の対応物と比較して,信号対歪比(SDR)と客観的差異等級(ODG)に関して優れていることを証明した。【JST・京大機械翻訳】

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

信号理論 , 音響信号処理

, , ,

前のページに戻る