面向分布式系统的环境迁移
声音
2021-01-07 v1 机器学习
音频与语音处理
摘要
收集足以表征各种声学环境属性的数据量，是分布式声学机器学习的一个关键问题。已有若干音频数据增强技术被提出以应对该问题，但它们往往停留于对现有数据的简单操控，不足以覆盖环境的多变性。我们提出一种方法，扩展了一项用于音频数据间声学风格纹理迁移的技术。该方法为分布式声学数据增强而在不同环境间迁移音频签名。本文设计了基于分类准确率与内容保持的度量来评估生成的声学数据。使用 UrbanSound8K 数据集开展了一系列实验，结果表明所提方法在保持内容特征的同时，生成了具有迁移环境特征的更优音频数据。
引用
@article{arxiv.2101.01863,
title = {Environment Transfer for Distributed Systems},
author = {Chunheng Jiang and Jae-wook Ahn and Nirmit Desai},
journal= {arXiv preprint arXiv:2101.01863},
year = {2021}
}