基于 GAN 的 DTTNet 带 RoPE Transformer 增强的音乐源恢复 DTT-BSR
音频与语音处理
2026-03-03 v2 声音
摘要
音乐源恢复(MSR)旨在从混合且已加工的录音中恢复未加工的 stems。挑战在于同时分离重叠的 sources 以及重建因生产效应如压缩和混响而导致的信号。因此，我们提出 DTT-BSR，一种混合生成对抗网络(GAN)结合旋转位置嵌入(RoPE) transformer 用于长期时序建模与 dual-path band-split recurrent neural network(RNN)用于多分辨率谱处理的模型。我们的模型在 ICASSP 2026 MSR Challenge 的客观排行榜上获得第三名，在主观排行榜上获得第四名，展现出卓越的生成保真度和语义对齐性能，同时拥有紧凑的 7.1M 参数规模。
引用
@article{arxiv.2602.19825,
title = {DTT-BSR: GAN-based DTTNet with RoPE Transformer Enhancement for Music Source Restoration},
author = {Shihong Tan and Haoyu Wang and Youran Ni and Yingzhao Hou and Jiayue Luo and Zipei Hu and Han Dou and Zerui Han and Ningning Pan and Yuzhu Wang and Gongping Huang},
journal= {arXiv preprint arXiv:2602.19825},
year = {2026}
}
备注
3 pages, accepted by ICASSP 2026