HarmoF0：用于基频估计的对数尺度膨胀卷积
声音
2022-06-22 v2 人工智能
音频与语音处理
摘要
声音，尤其是音乐，包含散布在频率维度上的各种谐波分量。普通卷积神经网络难以观测这些泛音。本文引入多速率膨胀因果卷积（MRDC-Conv）方法，以在对数尺度频谱图上高效捕获谐波结构。谐波有助于基频估计，而基频估计对许多声音处理应用十分重要。我们提出 HarmoF0，一个全卷积网络，以在基频估计中评估 MRDC-Conv 及其他膨胀卷积。结果表明，该模型优于 DeepF0，在三个数据集上取得最先进（state-of-the-art）性能，同时减少超过 90% 的参数。我们还发现其具有更强的抗噪性和更少的倍频程误差。代码与预训练模型可在 https://github.com/WX-Wei/HarmoF0 获取。
引用
@article{arxiv.2205.01019,
title = {HarmoF0: Logarithmic Scale Dilated Convolution For Pitch Estimation},
author = {Weixing Wei and Peilin Li and Yi Yu and Wei Li},
journal= {arXiv preprint arXiv:2205.01019},
year = {2022}
}
备注
This paper is accepted by ICME2022