PESQNet（损失）是否需要干净参考输入？原始 PESQ 需要，但 ACR 听力测试不需要
音频与语音处理
2022-05-16 v2 声音
摘要
语音质量感知评估（PESQ）需要以干净语音参考作为输入，却预测来自（无参考的）绝对类别评分（ACR）测试的结果。本工作中，我们训练一个全卷积循环神经网络（FCRN）作为深度噪声抑制（DNS）模型，搭配非侵入式或侵入式 PESQNet，其中仅后者可访问干净语音参考。PESQNet 用作中介，在 DNS 训练期间提供感知损失以最大化增强语音信号的 PESQ 分数。对于侵入式 PESQNet，我们研究了两种拓扑，称为早期融合（EF）与中期融合（MF）PESQNet，并与非侵入式 PESQNet 比较，以评估和量化在 DNS 训练期间使用干净语音参考输入的益处。详细分析表明，用 MF 侵入式 PESQNet 训练的 DNS 分别比 Interspeech 2021 DNS 挑战赛基线及用 MSE 损失训练的相同 DNS 高出 0.23 和 0.12 PESQ 分。此外，我们可表明与非侵入式 PESQNet 训练的 DNS 相比仅获得微小益处。因此，如同 ACR 听力测试，PESQNet 不一定需要干净语音参考输入，这为使用真实数据训练 DNS 提供了可能。
引用
@article{arxiv.2205.02085,
title = {Does a PESQNet (Loss) Require a Clean Reference Input? The Original PESQ Does, But ACR Listening Tests Don't},
author = {Ziyi Xu and Maximilian Strake and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2205.02085},
year = {2022}
}