U-DREAM：基于共振模型的无监督消混
声音
2026-03-27 v2 人工智能
音频与语音处理
信号处理
摘要
本文探讨了在从弱监督到几乎无监督的监督设置下训练最先进消混模型的结果，仅依赖共振信号和用于训练的声学模型。大多数现有深度学习方法通常需要干净信号和共振信号的配对数据，而这在实际中难以获得。我们发展了一种受最大似然消混问题表述启发的顺序学习策略，其中声学参数和干净信号从共振输入中使用深度神经网络估计，由共振匹配损失函数引导。我们最数据高效的变体仅需100个共振参数标注样本即可超越无监督基线，展示了该方法在低资源场景下的有效性和实用性。
引用
@article{arxiv.2507.14237,
title = {U-DREAM: Unsupervised Dereverberation guided by a Reverberation Model},
author = {Louis Bahrman and Marius Rodrigues and Mathieu Fontaine and Gaël Richard},
journal= {arXiv preprint arXiv:2507.14237},
year = {2026}
}