说话人识别中的跨域距离度量适应

最新推荐文章于 2024-10-27 16:41:50 发布
最新推荐文章于 2024-10-27 16:41:50 发布
阅读量118 收藏
点赞数
分类专栏： ICASSP 2022 文章标签： 深度学习 Powered by 金山文档
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44543298/article/details/128641289
版权

CDMA: CROSS-DOMAIN DISTANCE METRIC ADAPTATION FOR SPEAKER VERIFICATION

摘要

  1. 为了解决SV任务中的域偏移问题，一种有效的域适应方法是通过 校准源域嵌入空间与目标域嵌入空间来学习域不变的嵌入向量；

  1. 然而，上述方法存在缺陷：当源域与目标域来自不相交的说话人，此时，不同说话人的嵌入向量分布之间不能校对；

  1. 本文中，我们提出了一种跨域距离度量适应方法来缓和距离度量空间中的域偏移情况（源域和目标域共享相同类别，例如属于同一说话人/不同说话人；

  1. 具体而言，这两种目标pairwise距离分布与源pairwise距离分布进行校准，进而分别学到一个域不变的度量方法（更适用于SV这种度量任务）；

  1. 此方法显著超过了之前的关于embedding space的方法；

Index Terms：域偏移、对距离分布、度量学习

深海的银
关注
专栏目录
对抗判别式领域自适应
海上机械师
04-20 2964
领域自适应技术在不匹配说话人识别的问题中非常有效。这篇文章是图像领域的判别式对抗自适应方法，也同样可以迁移至说话人识别领域。 作者提出了对抗自适应方法的广义框架，进而在此基础上，提出了对抗判别式领域自适应方法 (ADDA)，该方法涉及判别式模型、无共享权重和 GAN 损失。提出的方法在三个任务上进行测试：无监督领域自适应基准任务 - 数字(MNIST、USPS 和 SVHN)、跨模态的自适应学习任务(NYUD)和跨视觉域的自适应学习任务(标准 Office - amazon, webcam, dslr)。
论文笔记01：解决低资源语言语音识别域自适应问题的方案（ICASSP2020）
v-space的博客
03-27 1398
一、所要解决的问题 语音识别中，低资源语言中域自适应问题。 二、方法 2.1 概述 利用高资源语言数据，采用Mutil-task思路，通过在高资源语言中进行域自适应，将域从源域迁移到目标域，从而同时达到在低资源中进行域自适应的目的。 2.2 具体操作： （1）同时使用源域的高资源和低资源数据训练Mutil-lingual模型，得到M1。 （2）在M1上使用目标域的高资源数据训练，得到M2。 （3）在M2上使用目标域的低资源数据训练，得到最终模型M3。 三、实验结果 ...
语音识别存在的问题_语音识别实际问题：（六）说话人自适应
weixin_33606346的博客
01-30 3229
6.1 什么是说话人自适应故事发生在2018年10月，一位印度学者来实验室访问，做了一场关于“如何检测假冒说话人”的报告。这位仁兄讲得神采飞扬，底下的学生们却面面相觑，一头雾水。原因倒不是讲座的内容有多么高深，而是这位的英语实在太有特色了，标准高清孟买腔，且娴熟轻快，对我们这种习惯了English或是Chinglish的听众来说，实在是反应不过来。人尚如此，遑论机器。研究者很早就知道...
距离的度量（Dissimilarity Measure、Distance Metric）
03-14 5097
0. ℓ1\ell_1 距离d1(I1,I2)=∑p|Ip1−Ip2| d_1(I_1,I_2)=\sum_{p}|I_1^p-I_2^p| 比如比较两幅图像之间的距离： 1. Minkowski Distance（闵式距离）D=(∑i=1d|xi−yi|p)1p D=\left ( \sum_{i=1}^d|x_i-y_i|^p\right )^{\frac 1p}（1）适用于数值型数据
[NIPs19]Face-to-Parameter Translation for Game Character Auto-Creation
gdtop的个人笔记
09-17 2399
摘要： 角色定制系统是角色扮演类游戏（RPG）的重要组成部分，玩家可以根据自身喜好对他们游戏中角色的面部外观进行编辑，而不使用默认模板。本文提出的方法能够根据输入的人脸照片自动创建玩家的游戏角色。基于面部相似性度量和参数搜索范式，并通过解决大量具有物理意义的人脸参数的优化问题，研究者制定了上述「艺术创造」过程。 方法概览。该方法可基于输入人脸图像自动生成游戏角色，它基于人脸相似性度量和参数...
VoxCeleb 说话人识别挑战
海上机械师
05-11 3470
VoxCeleb 说话人识别挑战 “Speaker recognition in the wild” 是一项非常具有挑战性的任务，需要面对语音中各种不确定性，例如复杂的噪声、不同程度的背景音、短促的笑声等情况。针对这一问题，可以在 VoxSRC 提供的语料及其各种模型的实验结果，寻找合适的语音段编码器，设计合理的度量学习模型，分析造成性能降低的数据因素，都将成为提升识别性能的潜在解决方案。本文就 VoxSRC 提供的实验结果和相关的论文进行归纳、总结与展望。
CVPR2019论文题目中文列表
qq_33581906的博客
11-18 6778
英文题目 中文题目 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal 少镜头学习中用类别遍历法寻找任务相关特征 Edge-Labeling Graph Neural Network for Few-Shot Learning 用于少镜头学习的边缘标记图神...
ICCV2019论文题目中文列表
qq_33581906的博客
11-18 7731
英文题目 中文题目 FaceForensics++: Learning to Detect Manipulated Facial Images FaceForensics++：学习检测操纵的面部图像 DeepVCP: An End-to-End Deep Neural Network for Point Cloud Registration DeepV...
表情识别论文调研
weixin_44350672的博客
12-18 2425
其次，在峰值帧下，提出了一种耦合局部和全局信息的联合特征学习架构来进行MEs(微表情识别)，因为并非所有区域对MEs的识别都有相同的贡献，有些区域甚至不包含任何情感信息。提出了一个全局和局部特征融合（GLFF）框架，通过将来自整个图像的多尺度全局特征与来自信息块的局部特征相结合，来学习丰富和有区别的表示，用于人工智能合成图像检测。本文提出了一种新的端到端面部表情合成方法，称为两级级联结构的局部和全局感知生成对抗性网络（LGP-GAN），用于提取和合成关键面部区域的细节。提出了一个新的数据集F2ED。
"多尺度差异对抗网络实现跨语料语音情感识别的优越性
跨语料语音情感识别的多尺度差异对抗网络。虚拟现实智能硬件，2021，3（1）：65-75DOI：10.1016/j.vrih.2020.11.006虚拟现实智能硬件2021年12月3日第1·文章·跨语料语音情感识别的多尺度差异对抗网络郑万禄，郑文明...
基于原型网络的小样本情感识别方法
软件影响12（2022）100237原始软件出版物基于序列原型网络的会话中的小样本情感识别Gaël Guibona，b，Matthieu Labeaua，Luce Lefeuvreb，Chloé ClavelaaLTCI，巴黎电信，巴黎理工学院，法国b法国SNCF创新研究方向...
TPAMI 2024 | DaGAN++: 用于生成会说话的头部视频的深度感知生成对抗网络
小白学视觉
06-16 156
目前，关于生成会说话的头像视频的主要技术大多依赖于2D信息，包括输入面部图像中的面部外观和运动。然而，密集的3D面部几何信息，如像素级深度，在构建精确的3D面部结构和抑制复杂背景噪声方面起着关键作用。然而，获取面部视频的密集3D注释成本极高。在本文中，首先，我们提出了一种新的自监督方法，用于从面部视频学习密集的3D面部几何（即深度），无需在训练中使用相机参数和3D几何注释。我们进一步提出了一种策略，通过学习像素级不确定性来感知更可靠的刚体运动像素，以便于几何学习。
视听Transformer方法用于多扬声器会话中的主要发言者检测
1105说话的权利视听Transformer方法Thanh-Dat Truong1，*，Chi Nhan Duong2，*，The De Vu3，Hoang AnhPham3 Bhiksha Raj4，Ngan Le1，Khoa Luu11阿肯色大学CVIU实验室2康考迪亚大学3卡内基梅隆大学{tt032，thile，...
从0开始深度学习（19）——参数管理
立志成为炼丹师？
10-24 1287
w∼U510可能性140可能性12U−10−5可能性14U(5, 10) & \text{ 可能性 } \frac{1}{4} \\0 & \text{ 可能性 } \frac{1}{2} \\U(-10, -5) & \text{ 可能性 } \frac{1}{4}w∼⎩⎨⎧​U5100U−10−5​可能性41​可能性21​可能性41​​​​w从均匀分布U510中取值。
基于深度学习的音乐生成与风格转换
weixin_42605076的博客
10-24 1167
音乐风格通常由节奏、和声、旋律、乐器编制、音色等要素决定。风格转换的核心在于保持音乐作品的核心旋律、节奏或主题不变的前提下，调整其和声、伴奏模式或音色以适应目标风格。基于深度学习的音乐生成与风格转换技术具有广泛的应用潜力，不仅能够自动创作出新颖的音乐作品，还可以实现不同风格之间的无缝转换。随着模型性能的不断提升和应用场景的扩展，这一领域将在未来为音乐创作、娱乐和教育等领域带来更多的创新与变革。
ADAMG——深度学习无参数优化的新时代
知来者逆的博客
10-24 677
黄金步长的引入是为了在保持 AdaGrad-Norm 收敛性能的同时，接近预期的最佳步长。这种步长与具体问题的特征无关，有望在各种训练条件下促进一致有效的收敛（见图 1）。ADAMG 是一种基于 AdaGrad-Norm 的无参数优化算法，它使用黄金步长为各种优化任务自动提供最佳学习率。实验结果表明，与传统优化方法相比，ADAMG 具有更高的稳定性和效率。特别是在计算资源有限或处理大型数据集的情况下，该算法可以有效地保持高性能，同时减少人工调整的工作量。
【进阶OpenCV】 （21） --卷积神经网络实现人脸检测
m0_74896766的博客
10-21 768
本篇介绍了如何通过使用dlib库中的卷积神经网络（CNN）人脸检测模型来检测一张图片中的人脸。 注意！！：为例减少模型的计算，使用加载的CNN人脸检测模型对图片进行人脸检测时，上采样次数可以少一点。
从0开始深度学习（20）——延后初始化和自定义层
立志成为炼丹师？
10-24 513
我们构造一个没有任何参数的自定义层，下面的CenteredLayer类要从其输入中减去均值。要构建它，我们只需继承基础层类并实现前向传播功能。传入一些数据进行验证现在，我们可以将层作为组件合并到更复杂的模型中。作为额外的健全性检查，我们可以在向该网络发送随机数据后，检查均值是否为0。由于我们处理的是浮点数，因为存储精度的原因，我们仍然可能会看到一个非常小的非零数。Y.mean()
Python实现贝叶斯优化器(Bayes_opt)优化简单循环神经网络回归模型(SimpleRNN回归算法)项目实战
最新发布
张陈亚的博客
10-27 977
Python实现贝叶斯优化器(Bayes_opt)优化简单循环神经网络回归模型(SimpleRNN回归算法)项目实战
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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