2021-3-20组会 无监督训练下的音频分离 (音源分离) Unsupervised Audio Source Separation Using Generative Priors

这篇博客介绍了无监督音频源分离的方法,利用WaveGAN生成先验来解决声纹提取的ill-posed问题。核心思想是通过训练Prior网络适应未见过的声音类型,而不需要重新训练生成网络。投影梯度下降确保生成的Z向量落在目标分布中,并结合Multiresolution Loss实现更好的源区分。
摘要由CSDN通过智能技术生成

0. 说明

一片具体论文的综述, 不过有些困....么的太听懂 TODO

但是很重要!

  • 很关注 Domain 的差异问题, 说不定可以进行到 ASV 模块的参考
  • 题目名字: Unsupervised Audio Source Separation Using Generative Priors
  • 可能使用音源分离的数据集, 见过各种各样不同的生物和大自然以后, 更有利于使用中英说话人的特征提取
  • 但是缺点是, 音源分离的 Prior 需要差别特别大, 才能够分开, 基本不能够分开说话人 (不过目前说话人男女都分不清, 更扯)
  • 但是可以对他进行改进, 目前他需要指定几个 Z, 可以加一个 Z1, Z2, others

1. 音源分离用途

2. 方法

其中需要注意的一个是 ill-posed 问题, 就比如是声纹的集外提取

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值