MMDenseLSTM：一种卷积与循环神经网络的高效组合用于音频源分离
声音
2018-05-30 v2 音频与语音处理
摘要
深度神经网络已成为音频源分离（ASS）不可或缺的技术。近期有报道称，一种称为 MMDenseNet 的 CNN 架构变体被成功用于解决估计源幅度的 ASS 问题，并在 DSD100 数据集上取得了最先进的结果。为进一步增强 MMDenseNet，我们在此提出一种新颖架构，将长短期记忆（LSTM）以多尺度方式与跳跃连接相整合，以高效建模音频语境中的长期结构。实验结果表明，所提方法优于 MMDenseNet、LSTM 以及两种网络的简单混合。所提模型的参数量与处理时间显著少于简单混合。此外，对于歌声分离任务，所提方法取得了比使用理想二值掩码更好的结果。
引用
@article{arxiv.1805.02410,
title = {MMDenseLSTM: An efficient combination of convolutional and recurrent neural networks for audio source separation},
author = {Naoya Takahashi and Nabarun Goswami and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:1805.02410},
year = {2018}
}