D3Net:用于音乐源分离的多膨胀密集连接 DenseNet
音频与语音处理
2021-03-30 v4 机器学习
声音
摘要
音乐源分离涉及较大的输入感受野以建模音频信号的长期依赖。先前基于卷积神经网络(CNN)的方法使用顺序下采样和上采样特征图或膨胀卷积来处理大输入感受野建模。本文中,我们主张在单个卷积层中快速增大感受野并同时建模多分辨率数据的重要性,并提出一种称为密集连接膨胀 DenseNet(D3Net)的新型 CNN 架构。D3Net 引入一种新颖的多膨胀卷积,在单层中具有不同膨胀因子以同时建模不同分辨率。通过将多膨胀卷积与 DenseNet 架构结合,D3Net 避免了在 DenseNet 中朴素引入膨胀卷积时存在的混叠问题。在 MUSDB18 数据集上的实验结果表明,D3Net 取得了最先进的性能,平均信号失真比(SDR)为 6.01 dB。
引用
@article{arxiv.2010.01733,
title = {D3Net: Densely connected multidilated DenseNet for music source separation},
author = {Naoya Takahashi and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2010.01733},
year = {2021}
}