用于多音高估计及更广领域的软动态时间规整
声音
2023-04-12 v1 机器学习
音频与语音处理
摘要
音乐信息检索（MIR）中的许多任务涉及弱对齐数据，其中精确的时间对应关系未知。连接时序分类（CTC）损失是基于弱对齐训练数据学习特征表示的标准技术。然而，CTC局限于离散值目标序列，且难以扩展到多标签问题。在本文中，我们展示了软动态时间规整（SoftDTW）——经典DTW的可微变体——如何用作CTC的替代方案。以多音高估计为例，我们表明SoftDTW取得了与最先进的CTC多标签扩展相当的结果。除了在算法表述上更为简洁外，SoftDTW天然可扩展到实值目标序列。
引用
@article{arxiv.2304.05032,
title = {Soft Dynamic Time Warping for Multi-Pitch Estimation and Beyond},
author = {Michael Krause and Christof Weiß and Meinard Müller},
journal= {arXiv preprint arXiv:2304.05032},
year = {2023}
}
备注
Accepted at ICASSP 2023