从 KAN 到 GR-KAN：基于 KAN 方法论的语音增强突破
音频与语音处理
2025-05-22 v2 人工智能
机器学习
摘要
基于深度神经网络（DNN）的语音增强（SE）通常使用常规激活函数，这些函数缺乏捕捉高保真度 SE 所需复杂多尺度结构的表达能力。群-有理 KAN（GR-KAN）是 Kolmogorov-Arnold 网络（KAN）的一个变体，既保留了 KAN 的表达能力，又在复杂任务上提升了可扩展性。我们将 GR-KAN 应用于现有的 DNN-based SE 方法，通过在时频（T-F）域 MP-SENet 中的全连接层替换为 GR-KAN 层，并将 GR-KAN 的激活函数引入时域 Demucs 的 1D CNN 层中。在 Voicebank-DEMAND 数据集上实验表明，GR-KAN 参数数量可减少最高可达 4 倍，并将 PESQ 提升最高可达 0.1。相比之下，KAN 因可扩展性问题，在小规模信号建模任务中仅在 MLP 上有所优于，但未能改善 MP-SENet 的性能。我们首次成功地将 KAN 方法应用于时域和 SOTA TF 域 SE 中均能实现一致性提升，确立了 GR-KAN 作为 SE 领域的有前景的替代方案。
引用
@article{arxiv.2412.17778,
title = {From KAN to GR-KAN: Advancing Speech Enhancement with KAN-Based Methodology},
author = {Haoyang Li and Yuchen Hu and Chen Chen and Sabato Marco Siniscalchi and Songting Liu and Eng Siong Chng},
journal= {arXiv preprint arXiv:2412.17778},
year = {2025}
}
备注
Accepted to Interspeech2025