使用一维条件 GAN 的（非）配对信号到信号转换
音频与语音处理
2024-03-11 v1 计算机视觉与模式识别
图形学
机器学习
摘要
我展示了具有对抗训练架构的一维（1D）条件生成对抗网络（cGAN）能够进行非配对的信号到信号（“sig2sig”）转换。使用带有 1D 层和更宽卷积核的简化 CycleGAN 模型，仿照 WaveGAN 将二维（2D）图像生成重构为 1D 音频生成，我展示了将 2D 图像到图像转换任务重铸为使用深度卷积 GAN 的 1D 信号到信号转换任务是可能的，而无需对作为 CycleGAN 开发的传统 U-Net 模型和对抗架构进行实质性修改。借此，我展示了一个小型可调数据集的情况：1D CycleGAN 模型未见过的带噪测试信号在没有配对训练的情况下，从源域转换为了类似于转换域中配对测试信号的信号，特别是在频率方面，我通过相关性和误差量化了这些差异。
引用
@article{arxiv.2403.04800,
title = {(Un)paired signal-to-signal translation with 1D conditional GANs},
author = {Eric Easthope},
journal= {arXiv preprint arXiv:2403.04800},
year = {2024}
}