SCRAPL：面向机器学习的随机路径散射变换
声音
2026-02-12 v1 机器学习
音频与语音处理
摘要
小波散射变换系数(称为路径)之间的欧几里得距离为深度逆问题在计算机视觉、语音和音频处理中提供有信息的梯度，用于感知质量评估。然而，当这些变换作为可微分损失函数用于随机梯度下降时，由于其众多路径的计算成本高昂，严重限制了其在神经网络训练中的应用。针对此问题，我们提出了"面向机器学习的随机路径散射变换(SCRAPL)"：一种用于高效评估多变量散射变换的随机优化方案。我们为联合时频散射变换(JTFS)实现了SCRAPL，该变换在多个尺度和速率上解调spectrotemporal模式，允许对间歇性声学纹理进行细致特征描述。我们将SCRAPL应用于可微分数字信号处理(DDSP)，具体为粒子合成器和Roland TR-808鼓机的无监督声音匹配。我们还提出了一种基于重要抽样的初始化启发式方法，使SCRAPL适应数据集的感知内容，从而提高神经网络的收敛性和评估性能。我们公开代码和音频样本，并将SCRAPL作为Python软件包提供。
引用
@article{arxiv.2602.11145,
title = {SCRAPL: Scattering Transform with Random Paths for Machine Learning},
author = {Christopher Mitcheltree and Vincent Lostanlen and Emmanouil Benetos and Mathieu Lagrange},
journal= {arXiv preprint arXiv:2602.11145},
year = {2026}
}
备注
Accepted to ICLR 2026. Code, audio samples, and Python package provided at https://christhetree.github.io/scrapl/