自己教師付き目的を持つ因数分解階層的変分オートエンコーダに基づく非もつれ音声表現学習【JST・京大機械翻訳】

Xie Yuying; Arildsen Thomas; Tan Zheng-Hua

プレプリント

J-GLOBAL ID：202202207240579195 整理番号：22P0325663

自己教師付き目的を持つ因数分解階層的変分オートエンコーダに基づく非もつれ音声表現学習【JST・京大機械翻訳】

Disentangled Speech Representation Learning Based on Factorized Hierarchical Variational Autoencoder with Self-Supervised Objective

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 (3件)： , ,
資料名：
発行年： 2022年04月05日プレプリントサーバーでの情報更新日： 2022年04月05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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

もつれ表現学習は説明特徴または因子を抽出し,顕著な情報を保持することを目的とする。因子化した階層的変分オートエンコーダ(FHVAE)は,話者アイデンティティと音声コンテンツ情報をそれぞれ表現する逐次レベルとセグメントレベル特徴に音声信号を解決する方法を示す。自己監督された目的として,自己回帰予測符号化(APC)は,複数の下流タスクのために有意義で移転可能な音声特徴を抽出する際に使用されてきた。これらの2つの表現学習法の成功に触発されて,本論文は,追加自己スーパービジョンターゲットから利益を得ることを目的として,APC目標をFHVAEフレームワークに統合することを提案する。主な提案方法は,試験時間において,より多くの訓練データも,より多くの計算コストも必要としないが,しかし,解答を維持しながら,改善された有意義な表現を得る。実験はTIMITデータセットで行った。結果は,追加の自己監督された目的を備えたFHVAEが,音声認識と話者認識を含むタスクに対して優れた性能を提供する特徴を学習できることを示した。さらに,分散表現学習の1つの応用としての音声変換を適用し,評価した。結果は,音声変換に関する新しいフレームワークのベースラインと同様の性能を示した。【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