視覚領域スタイル変換とテクスチャ合成技術のオーディオへの応用-洞察と課題【JST・京大機械翻訳】

Huzaifah M.; Wyse L.

プレプリント

J-GLOBAL ID：202202218832070572 整理番号：22P0055123

視覚領域スタイル変換とテクスチャ合成技術のオーディオへの応用-洞察と課題【JST・京大機械翻訳】

Applying Visual Domain Style Transfer and Texture Synthesis Techniques to Audio - Insights and Challenges

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： 2019年01月29日プレプリントサーバーでの情報更新日： 2019年01月29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。

ステイル転送は,深層学習ニューラルネットワークアーキテクチャにおける活性化と特徴統計量に基づく2つの画像を結合する技術である。本論文では,オーディオドメインにおける類似タスクを研究し,スペクトログラム表現を処理するために元のビジョンベースフレームワークを適応させる際に生じる問題において,重要な視点を採った。2D表現と畳込みに基づく特徴を持つCNNアーキテクチャは,オーディオの時間周波数表現よりも視覚画像に適していると結論した。ウォークワードフィットにもかかわらず,実験は,オーディオの「スタイル」を決定するGram行列が,時間構造なしで,チブラル署名とより密接に整列し,一方,オーディオ「コンテンツ」を決定するネットワーク層活動は,ピッチとリズム構造の多くを捉えるようであることを示した。説明例とのドメイン差に対するいくつかの理由について洞察した。画像用に構築された既存のアーキテクチャに基づくものよりも,オーディオテクスチャの直感的概念と良く整列した結果を生成する,いくつかのタイプの一次元CNNの使用を動機づけた。また,これらのアイデアは,無限テクスチャ,マルチテクスチャ,受容野のパラメトリック制御,およびスペクトログラムのための代替周波数スケーリングとしての定数Q変換に対する拡張のためのアーキテクチャ的変形によるオーディオテクスチャ合成の探索を促進する。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る