少标注多收益：有限标注下的非侵入式语音质量评估
音频与语音处理
2021-08-20 v1 声音
摘要
非侵入式语音质量评估是多媒体应用中的一项关键操作。标注数据的稀缺以及参考信号的缺失，是设计高效质量评估指标所面临的一些主要挑战。本文提出两种多任务模型以应对上述问题。在第一种模型中，我们首先在大型数据集上通过退化分类器学习特征表示，然后在带有 MOS 标注的小型数据集上同时进行 MOS 预测与退化分类。在第二种方法中，初始阶段是在大型数据集上通过基于深度聚类的无监督特征表示来学习特征，接着在小型数据集上同时进行 MOS 预测与聚类标签分类。结果表明，在 TCD-VoIP 上，基于深度聚类的模型优于基于退化分类器的模型以及 3 个基线（自编码器特征、P.563 和 SRMRnorm）。本文表明，多任务学习结合来自无标注数据的特征表示，是应对大规模 MOS 标注数据集匮乏的一种有前景的方法。
引用
@article{arxiv.2108.08745,
title = {More for Less: Non-Intrusive Speech Quality Assessment with Limited Annotations},
author = {Alessandro Ragano and Emmanouil Benetos and Andrew Hines},
journal= {arXiv preprint arXiv:2108.08745},
year = {2021}
}
备注
Published in 2021 13th International Conference on Quality of Multimedia Experience (QoMEX)