一种用于旋律提取的精简编解码器架构
音频与语音处理
2019-02-19 v2 声音
摘要
复调音乐音频中的旋律提取对音乐信号处理十分重要。本文中,我们提出了一种专为该任务设计的新型精简编解码网络。我们做出了两点技术贡献。首先,受一种最先进的语义像素级分割模型的启发,我们在池化与反池化层之间传递池化索引以在频率上定位旋律。我们可以用少得多的卷积层与更简单的卷积模块取得接近最先进的结果。其次,我们提出一种利用网络瓶颈层估计每一时间帧是否存在旋律线的方法,并使使用简单的argmax函数而非特设阈值化来获取旋律线的最终估计成为可能。我们在人声旋律提取与通用旋律提取上的实验验证了所提模型的有效性。
引用
@article{arxiv.1810.12947,
title = {A Streamlined Encoder/Decoder Architecture for Melody Extraction},
author = {Tsung-Han Hsieh and Li Su and Yi-Hsuan Yang},
journal= {arXiv preprint arXiv:1810.12947},
year = {2019}
}
备注
This is a pre-print version of an ICASSP 2019 paper