PCNN：一种用于高效单通道语音增强的轻量并行 Conformer 神经网络
音频与语音处理
2023-07-31 v1 声音
摘要
卷积神经网络（CNN）与 Transformer 在多媒体应用中已取得广泛成功。然而，仍需更多努力来有效协调这两种架构以满足语音增强需求。本文旨在统一这两种架构，提出一种用于语音增强的并行 Conformer。具体而言，充分发掘 CNN 与 Transformer 中自注意力（SA）的作用，分别用于局部共振峰模式与全局结构表示。基于 CNN 感受野小及 SA 计算复杂度高的特点，我们专门设计了多分支膨胀卷积（MBDC）与自通道-时间-频率注意力（Self-CTFA）模块。MBDC 包含三个具不同膨胀率的卷积层，实现从局部到非局部的特征处理。实验结果表明，我们的方法在大多数评价指标上优于最先进的方法，同时保持最低模型参数量。
引用
@article{arxiv.2307.15251,
title = {PCNN: A Lightweight Parallel Conformer Neural Network for Efficient Monaural Speech Enhancement},
author = {Xinmeng Xu and Weiping Tu and Yuhong Yang},
journal= {arXiv preprint arXiv:2307.15251},
year = {2023}
}
备注
Accepted at INTERSPEECH 2023