弗雷歇音频距离：一种评估音乐增强算法的度量
音频与语音处理
2019-01-18 v4 声音
摘要
我们提出弗雷歇音频距离（FAD），一种用于音乐增强算法的无参考新型评估度量。我们展示了语音增强与盲源分离的 typical 评估度量如何未能准确衡量多种失真所带来的感知效果。作为替代，我们提出将用于评估生成图像模型的弗雷歇起始距离（FID）度量适配到音频领域。FAD 使用多种人工失真进行验证，并与基于信号的度量——信号失真比（SDR）、余弦距离和幅度 L2 距离进行比较。我们表明，FAD 的相关系数为 0.52，比 SDR、余弦距离和幅度 L2 距离（其相关系数分别为 0.39、-0.15 和 -0.01）更贴近人类感知。
引用
@article{arxiv.1812.08466,
title = {Fr\'echet Audio Distance: A Metric for Evaluating Music Enhancement Algorithms},
author = {Kevin Kilgour and Mauricio Zuluaga and Dominik Roblek and Matthew Sharifi},
journal= {arXiv preprint arXiv:1812.08466},
year = {2019}
}