タイムスタンプ情報による目標音抽出の改善【JST・京大機械翻訳】

Wang Helin; Yang Dongchao; Weng Chao; Yu Jianwei; Zou Yuexian

プレプリント

J-GLOBAL ID：202202220352366840 整理番号：22P0324318

タイムスタンプ情報による目標音抽出の改善【JST・京大機械翻訳】

Improving Target Sound Extraction with Timestamp Information

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 (5件)： , , , ,
資料名：
発行年： 2022年04月02日プレプリントサーバーでの情報更新日： 2022年04月02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)

ターゲット音抽出(TSE)は,複数の音事象を有する混合オーディオからターゲット音事象クラスの音部分を抽出することを目的とする。これまでの研究は,主に弱ラベル化データ,共同学習および新しいクラスの問題に焦点を当て,しかし,聴覚場面解析において強調された,目標音事象の開始およびオフセット時間に関する1つの注意は,無かった。本論文では,そのようなタイムスタンプ情報を利用して,ターゲット音検出ネットワークとターゲット加重時間周波数損失関数を介してターゲット音を抽出するのを助ける。より具体的には,ターゲット音抽出ネットワークの学習を導くための追加情報として,ターゲット音検出(TSD)ネットワークの検出結果を使用する。また,TSEの結果は,TSDネットワークの性能をさらに向上できるので,ターゲット音検出と抽出の相互学習フレームワークを提案した。さらに,目標加重時間周波数損失関数を設計し,訓練中の目標音の時間領域に対してより多くの注意を払った。Freesoundデータセットから生成された合成データに関する実験結果は,著者らの提案方法がTSEの性能を著しく改良することができることを示した。【JST・京大機械翻訳】

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

音声処理 , パターン認識

前のページに戻る