具有线性内存的精确、可并行动态时间规整对齐
声音
2020-08-07 v1 信息检索
机器学习
多媒体
音频与语音处理
摘要
音频对齐是许多音乐信息检索（MIR）流水线中的基础预处理步骤。对于分别具有 M 和 N 帧的两段音频，最流行的方法动态时间规整（DTW）在内存与计算上均有 O(MN) 的需求，这对于合理采样率下的帧级对齐而言难以承受。为此，存在多种内存高效的算法来近似 DTW 代价下的最优对齐。然而据我们所知，尚不存在能够保证打破二次内存壁垒的精确算法。在本工作中，我们提出一种分治算法，使用 O(M+N) 内存计算精确的全局最优 DTW 对齐。其运行时间仍为 O(MN)，以内存换取计算量 2 倍的增加。但该算法可至多按 min(M, N) 因子并行化且内存约束不变，因此在具备合适 GPU 时仍能比教科书版运行更高效。我们利用该算法在一组管弦乐上计算精确对齐，并将其作为基准真值来评估若干流行近似对齐方案在以往不可达规模下的对齐精度。
引用
@article{arxiv.2008.02734,
title = {Exact, Parallelizable Dynamic Time Warping Alignment with Linear Memory},
author = {Christopher Tralie and Elizabeth Dempsey},
journal= {arXiv preprint arXiv:2008.02734},
year = {2020}
}
备注
12 Pages, 6 Figures, 1 Table, ISMIR 2020