注意力机制并不能保证语音增强中的最佳性能
声音
2023-02-14 v1 音频与语音处理
摘要
注意力机制已广泛应用于语音增强（SE）中，因为理论上它能在时域和频谱域有效建模信号的长程内在关联。然而，通常使用的全局注意力机制可能并非最佳选择，因为在语音增强中相邻信息自然比远距离信息施加更大影响。在本文中，我们通过在两个典型的最先进（SOTA）模型中用 RNN 替换注意力来验证这一猜想：具有轴向注意力的多尺度时频卷积网络（MTFAA）和基于 conformer 的度量 GAN 网络（CMGAN）。
引用
@article{arxiv.2302.05690,
title = {Attention does not guarantee best performance in speech enhancement},
author = {Zhongshu Hou and Qinwen Hu and Kai Chen and Jing Lu},
journal= {arXiv preprint arXiv:2302.05690},
year = {2023}
}