利用神经损失函数学习建模听觉感知的若干方面
声音
2019-12-13 v1 音频与语音处理
摘要
我们提出一个框架，通过结合卷积架构与经典信号处理的思想来建模音频信号的感知质量，并描述一种提升感知声学质量的方法。我们通过将一把音质退化的廉价乐器的声音转换为高质量乐器声音来演示该方法，且无需通常难以收集的平行数据。我们将经典的自适应均衡（EQ）滤波简单方法适配于由神经架构学习的客观准则，并对其进行优化以获得我们感兴趣的信号。由于我们学习依赖于感兴趣信号的自适应掩码，而非对所有输入采用固定变换，我们表明浅层神经架构即可达成期望结果。对目标与初始化的简单约束有助于我们避免对抗样本，否则将产生含噪且不可理解的音频。我们相信所提当前框架具有广泛应用，可用于各类问题中，即利用神经架构根据问题学习损失函数，并在学习后对其进行优化。
引用
@article{arxiv.1912.05683,
title = {Learning to Model Aspects of Hearing Perception Using Neural Loss Functions},
author = {Prateek Verma and Jonathan Berger},
journal= {arXiv preprint arXiv:1912.05683},
year = {2019}
}