KUIELab-MDX-Net：一种用于音乐分离的双流神经网络
音频与语音处理
2021-11-25 v1 声音
摘要
近来，许多基于深度学习的方法被提出用于音乐源分离。一些最先进的方法表明，堆叠多层并加入大量跳跃连接可提升 SDR 性能。尽管这种深层复杂架构表现优异，但其训练与评估通常需要大量计算资源和时间。本文提出一种用于音乐分离的双流神经网络，称为 KUIELab-MDX-Net，其在性能与所需资源之间取得了良好平衡。所提模型具有时频分支和时域分支，各分支分别分离 stems。其融合两流的结果以生成最终估计。KUIELab-MDX-Net 在 ISMIR 2021 音乐分离挑战赛的排行榜 A 中获得第二名，在排行榜 B 中获得第三名。本文还总结了在另一基准 MUSDB18 上的实验结果。我们的源代码可在线获取。
引用
@article{arxiv.2111.12203,
title = {KUIELab-MDX-Net: A Two-Stream Neural Network for Music Demixing},
author = {Minseok Kim and Woosung Choi and Jaehwa Chung and Daewon Lee and Soonyoung Jung},
journal= {arXiv preprint arXiv:2111.12203},
year = {2021}
}
备注
MDX Workshop @ ISMIR 2021, 7 pages, 3 figures