用于声学参数估计的对比表示学习
音频与语音处理
2023-03-14 v2 声音
摘要
本文提出一项研究，采用对比学习方法从单通道混响语音信号中提取声学环境的低维表示。利用房间脉冲响应（RIRs）与无混响源信号的卷积作为数据增强技术，该方法在上游任务设计中具有相当大的灵活性。我们在三个不同的下游任务上评估所得到的嵌入，包括混响时间 RT60 和清晰度指数 C50 的回归，以及小房间与大房间的分类。我们证明所学表示对未见过的数据具有良好的泛化能力，并且性能与全监督基线相当。
引用
@article{arxiv.2302.11205,
title = {Contrastive Representation Learning for Acoustic Parameter Estimation},
author = {Philipp Götz and Cagdas Tuna and Andreas Walther and Emanuël A. P. Habets},
journal= {arXiv preprint arXiv:2302.11205},
year = {2023}
}
备注
Accepted for ICASSP 2023, Camera-ready version