面向盲目数据清洗：音乐源分离中的案例研究
组合数学
2025-10-20 v1
摘要
深度学习模型用于音乐源分离的性能严重依赖于训练数据质量。然而，数据集常常被难以检测的损坏 artifacts 如音频漏泄和标签噪声所污染。由于污染的类型和程度通常未知，针对特定污染的清洗方法往往难以实用。本文提出并评估了两种独特且对噪声不敏感的数据清洗方法以应对这一挑战。第一种方法通过不经意（unlearning）来进行数据归因，以识别和过滤出对产生干净输出贡献最小的训练样本。另一种方法则利用弗谢hent Audio Distance 来衡量并移除与小规模干净参考集感知上不相似的样本。在一个包含模拟真实世界噪声分布的受污染数据集上，我们的方法产生了清洁后的数据集及相应模型，优于原始受污染数据以及用于清洗的小规模干净参考集。该结果在受污染基线与在无任何污染的情况下训练的模型之间，约闭合了66.7%的性能差距。与针对特定artifacts的方法不同，我们的噪声不敏感方法提供了一种更通用且更广泛适用的高质量训练数据策划方案。
引用
@article{arxiv.2510.15407,
title = {5-Coloring Planar Graphs with a Color Class of Order at Most $|V|/6$},
author = {Yuta Inoue and Ken-ichi Kawarabayashi and Atsuyuki Miyashita},
journal= {arXiv preprint arXiv:2510.15407},
year = {2025}
}
备注
17 pages, 12 figures