CycleFlow：通过循环损失纯化信息因子
音频与语音处理
2021-10-22 v2 机器学习
声音
摘要
SpeechFlow是一种基于信息瓶颈（IB）的强大分解模型，其有效性已被若干研究报道。然而，SpeechFlow的一个潜在问题是，如果IB通道设计不当，所得因子无法良好解耦。在本研究中，我们提出一种结合随机因子替换和循环损失的CycleFlow模型来解决此问题。在语音转换任务上的实验表明，这一简单技术能有效降低各因子间的互信息，并产生明显优于基于IB的SpeechFlow的转换效果。CycleFlow也可用作语音编辑的强大工具。我们通过一个情感感知实验展示了该用途。
引用
@article{arxiv.2110.09928,
title = {CycleFlow: Purify Information Factors by Cycle Loss},
author = {Haoran Sun and Chen Chen and Lantian Li and Dong Wang},
journal= {arXiv preprint arXiv:2110.09928},
year = {2021}
}
备注
Submitted to ICASSP 2022