环面概率球判别分析
声音
2022-10-28 v1 音频与语音处理
机器学习
摘要
在说话人识别中,语音段被映射为超球面上的嵌入,常用的两种打分后端是余弦打分与 PLDA。我们近期提出了 PSDA,一种使用 Von Mises-Fisher 分布替代高斯分布的 PLDA 类比方法。本文中,我们提出环面 PSDA(T-PSDA)。它通过建模超球面环面子流形内的说话人内与说话人间变异性扩展了 PSDA。与 PLDA 和 PSDA 类似,该模型允许闭式打分及用于训练的闭式 EM 更新。在 VoxCeleb 上,我们发现 T-PSDA 准确率与余弦打分相当,而 PLDA 准确率较差。在 NIST SRE'21 上,我们发现 T-PSDA 相较余弦打分和 PLDA 均带来大幅准确率提升。
引用
@article{arxiv.2210.15441,
title = {Toroidal Probabilistic Spherical Discriminant Analysis},
author = {Anna Silnova and Niko Brümmer and Albert Swart and Lukáš Burget},
journal= {arXiv preprint arXiv:2210.15441},
year = {2022}
}
备注
Submitted to ICASSP 2023