具有跳跃滤波连接与时频掩码循环推断的单声道歌声分离
声音
2018-02-14 v2 音频与语音处理
摘要
基于深度学习的歌声分离依赖于时频掩码的使用。在许多情况下，掩码过程不是可学习函数，或未封装进深度学习优化中。因此，大多数现有方法依赖于使用广义维纳滤波的后处理步骤。本工作提出一种方法，其学习并优化（在训练期间）依赖于声源的掩码，且不需要上述后处理步骤。我们引入了一种循环推断算法、一个用于改善掩码生成过程的稀疏变换步骤，以及一个可学习的去噪滤波器。与先前单声道歌声分离的最优（SOTA）方法相比，所得结果在信号失真比上提高了 0.49 dB，在信号干扰比上提高了 0.30 dB。
引用
@article{arxiv.1711.01437,
title = {Monaural Singing Voice Separation with Skip-Filtering Connections and Recurrent Inference of Time-Frequency Mask},
author = {Stylianos Ioannis Mimilakis and Konstantinos Drossos and João F. Santos and Gerald Schuller and Tuomas Virtanen and Yoshua Bengio},
journal= {arXiv preprint arXiv:1711.01437},
year = {2018}
}