一种用于器乐音频任务的统一神经架构
声音
2019-03-04 v1 计算机视觉与模式识别
信息检索
机器学习
摘要
在音乐信息检索（MIR）中，主要任务——包括音高跟踪、源分离、超分辨率和合成——尽管彼此相似，通常却需要专门的方法。条件生成对抗网络（cGANs）已被证明在学习通用图像到图像的转换方面具有高度通用性，但尚未在MIR中得到适配。在这项工作中，我们提出了一种端到端可监督的架构来执行上述所有音频任务，该架构由一个WaveNet合成器组成，其以联合训练的条件生成对抗网络（cGAN）谱图翻译器的输出为条件。通过这样做，我们展示了此类灵活技术统一MIR任务、促进高效迁移学习以及将研究汇聚到改进强大的通用方法上的潜力。最后，据我们所知，我们提出了GANs在引导乐器合成中的首次应用。
引用
@article{arxiv.1903.00142,
title = {A Unified Neural Architecture for Instrumental Audio Tasks},
author = {Steven Spratley and Daniel Beck and Trevor Cohn},
journal= {arXiv preprint arXiv:1903.00142},
year = {2019}
}
备注
To appear in Proc. ICASSP 2019, May 12-17, Brighton, UK