用于谐波-打击乐源分离的对抗无监督域适应
声音
2021-01-05 v1 机器学习
音频与语音处理
摘要
本文解决音乐源分离任务的域适应问题。使用来自两个不同领域的数据集，我们在不同训练场景下比较基于深度学习的谐波-打击乐源分离模型的性能，包括使用来自两个领域的数据的监督联合训练，以及在一个领域预训练并在另一领域微调。我们提出一种适用于目标领域无标注数据（真实源信号）可用情况下的对抗无监督域适应方法。通过利用该领域的未标注数据（仅混合信号），实验表明我们的框架能在新领域上改善分离性能，同时在原始领域不损失任何可观的性能。本文还介绍了 Tap & Fiddle 数据集，一个包含斯堪的纳维亚提琴曲录音以及“脚打拍”和“小提琴”独立音轨的数据集。
引用
@article{arxiv.2101.00701,
title = {Adversarial Unsupervised Domain Adaptation for Harmonic-Percussive Source Separation},
author = {Carlos Lordelo and Emmanouil Benetos and Simon Dixon and Sven Ahlbäck and Patrik Ohlsson},
journal= {arXiv preprint arXiv:2101.00701},
year = {2021}
}
备注
5 pages, 2 figures and 1 table. Accepted for publication in IEEE Signal Processing Letters