MetricGAN+/-：提升噪声抑制在 unseen 数据上的鲁棒性
声音
2022-06-16 v5 机器学习
音频与语音处理
摘要
语音增强系统的训练通常未融入人类感知知识，从而可能导致不自然的听感结果。近期，通过预测网络将心理声学驱动的语音感知度量作为模型训练的一部分已引起关注。然而，此类预测器的性能受限于训练数据中所出现的度量分数分布。本工作中，我们提出MetricGAN+/-（MetricGAN+这一度量驱动系统的扩展），其引入了一个额外的网络——"反生成器"，试图通过确保训练中观察到更广范围的度量分数来提升预测网络（以及进而生成器）的鲁棒性。在VoiceBank-DEMAND数据集上的实验结果显示，PESQ分数相对提升3.8%（3.05对比3.22 PESQ分数），并对未见噪声与语音具有更好的泛化能力。
引用
@article{arxiv.2203.12369,
title = {MetricGAN+/-: Increasing Robustness of Noise Reduction on Unseen Data},
author = {George Close and Thomas Hain and Stefan Goetze},
journal= {arXiv preprint arXiv:2203.12369},
year = {2022}
}
备注
5 pages, 4 figures, Accepted to EUSIPCO 2022