基于重混音的从无到有无监督源分离

我们提出一种使用 RemixIT 和 Self-Remixing 从无到有训练分离模型的无监督方法，它们是最近提出的用于精炼预训练模型的自监督学习方法。它们首先用教师模型分离混合信号，并通过打乱和重混音分离出的信号来创建伪混合信号。然后用教师输出或初始混合信号作为监督来训练学生模型以分离伪混合信号。为精炼教师输出，教师权重用学生权重更新。虽然这些方法原本假设教师是预训练的，我们表明它们能够从无到有训练模型。我们还引入一种简单的重混音方法来稳定训练。实验结果表明，所提方法优于 mixture invariant training，后者目前是唯一可用的从无训练单声道分离模型的方法。