用于音乐源分离的元学习提取器
声音
2020-02-18 v1 机器学习
音频与语音处理
摘要
我们提出了一种受分层元学习启发的音乐源分离模型（Meta-TasNet），其中生成器模型用于预测各个提取器模型的权重。这实现了高效的参数共享，同时仍允许针对乐器的参数化。Meta-TasNet 被证明比独立训练或以多任务设置训练的模型更有效，并取得了与最先进方法相当的性能。与后者相比，我们的提取器参数更少且运行速度更快。我们讨论了重要的架构考量，并探讨了该方法的成本与收益。
引用
@article{arxiv.2002.07016,
title = {Meta-learning Extractors for Music Source Separation},
author = {David Samuel and Aditya Ganeshan and Jason Naradowsky},
journal= {arXiv preprint arXiv:2002.07016},
year = {2020}
}
备注
Camera-ready version for ICASSP 2020; the source files are published at https://github.com/pfnet-research/meta-tasnet