HumanGAN：以人类为判别器的生成对抗网络及其在语音感知建模中的评估
声音
2019-09-26 v1 神经与进化计算
音频与语音处理
摘要
我们提出 HumanGAN，一种将人类感知作为判别器纳入的生成对抗网络（GAN）。基本 GAN 通过训练生成器来欺骗区分真实数据与生成数据的判别器，从而表征真实数据分布。因此，基本 GAN 无法表征真实数据分布之外的部分。在语音感知的情形中，人类不仅能将人声识别为人声，也能将经过处理的（即不存在的人的）声音识别为人声。这种人类可接受的分布通常比真实数据分布更宽，且无法由基本 GAN 建模。为对人类可接受的分布建模，我们将人类感知视为黑盒判别器，构建了基于反向传播的生成器训练算法。该训练通过计算机进行生成器训练与通过众包进行判别的高效迭代。我们在语音自然度建模中评估了我们的 HumanGAN，并证明其能够表征比真实数据分布更宽的人类可接受分布。
引用
@article{arxiv.1909.11391,
title = {HumanGAN: generative adversarial network with human-based discriminator and its evaluation in speech perception modeling},
author = {Kazuki Fujii and Yuki Saito and Shinnosuke Takamichi and Yukino Baba and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:1909.11391},
year = {2019}
}
备注
Submitted to IEEE ICASSP 2020