TUNet：基于Transformer与自监督预训练的块在线带宽扩展模型
机器学习
2022-06-08 v5 声音
音频与语音处理
摘要
我们引入了时序特征逐线性调制（TFiLM）模型的块在线变体以实现带宽扩展。所提出的架构简化了TFiLM的UNet骨干以减少推理时间，并在瓶颈处采用高效transformer以缓解性能下降。我们还利用自监督预训练与数据增强来提升带宽扩展信号的质量，并降低对下采样方法的敏感性。在VCTK数据集上的实验结果表明，所提方法在侵入式与非侵入式指标上均优于若干近期基线。预训练与滤波器增强亦有助于稳定并提升整体性能。
引用
@article{arxiv.2110.13492,
title = {TUNet: A Block-online Bandwidth Extension Model based on Transformers and Self-supervised Pretraining},
author = {Viet-Anh Nguyen and Anh H. T. Nguyen and Andy W. H. Khong},
journal= {arXiv preprint arXiv:2110.13492},
year = {2022}
}
备注
Published as a conference paper at ICASSP 2022, 5 pages, 4 figures, 3 tables