通过SWIPE核提高神经音高估计 accuracy
声音
2025-07-16 v1 音频与语音处理
摘要
神经网络已成为准确估计音高和周期性的主导技术。虽然大量研究致力于改进网络架构和训练范式，但大多数方法直接作用于原始音频波形或通用时频表示。我们研究将 Sawtooth-Inspired Pitch Estimation(SWIPE)核作为音频前端使用，发现这些手工制作、任务特定的特征可以使神经音高估计器更加准确、对噪声更鲁棒、更少参数。我们在常见数据集上评估了受监督和自监督的SOTA架构，表明SWIPE音频前端允许在不性能下降的情况下将网络大小缩小一个数量级。此外，我们表明SWIPE算法本身在准确性上远超常被报道的水平，超过了状态最佳的自监督神经音高估计器。
引用
@article{arxiv.2507.11233,
title = {Improving Neural Pitch Estimation with SWIPE Kernels},
author = {David Marttila and Joshua D. Reiss},
journal= {arXiv preprint arXiv:2507.11233},
year = {2025}
}
备注
Accepted at ISMIR 2025