解决声源分离中的特征不平衡问题
声音
2023-10-05 v2 人工智能
音频与语音处理
摘要
神经网络常遭受特征偏好问题，即它们倾向于过度依赖特定特征来解决任务，而忽视其他特征，即便那些被忽视的特征对任务至关重要。特征偏好问题主要在分类任务中被研究。然而，我们观察到特征偏好出现在高维回归任务中，具体而言即源分离。为缓解源分离中的特征偏好，我们提出了通过抑制简单特征实现特征平衡（FEABASE）。该方法通过学习被忽视特征的隐藏信息来实现高效的数据利用。我们在多通道源分离任务中评估了我们的方法，其中出现了空间特征与音色特征之间的特征偏好。
引用
@article{arxiv.2309.05287,
title = {Addressing Feature Imbalance in Sound Source Separation},
author = {Jaechang Kim and Jeongyeon Hwang and Soheun Yi and Jaewoong Cho and Jungseul Ok},
journal= {arXiv preprint arXiv:2309.05287},
year = {2023}
}