基于判别器约束最优传输的无监督噪声自适应语音增强
声音
2021-11-12 v1 机器学习
音频与语音处理
摘要
本文提出一种新颖的判别器约束最优传输网络(DOTN)，其执行用于语音增强(SE)的无监督域自适应，而语音增强是语音处理中的一项基本回归任务。DOTN 旨在利用源域可用知识，估计目标域中带噪语音的干净参考。训练与测试数据间的域偏移已被报道为多个领域学习问题的障碍。尽管关于分类的无监督域自适应文献丰富，所提方法（尤其在回归中）仍稀缺且常依赖关于输入数据的额外信息。所提 DOTN 方法策略性地将数学分析中的最优传输(OT)理论与生成对抗框架融合，以帮助评估目标域中的连续标签。两项 SE 任务上的实验结果表明，通过扩展经典 OT 形式，我们提出的 DOTN 以纯无监督方式优于先前的对抗域自适应框架。
引用
@article{arxiv.2111.06316,
title = {Unsupervised Noise Adaptive Speech Enhancement by Discriminator-Constrained Optimal Transport},
author = {Hsin-Yi Lin and Huan-Hsin Tseng and Xugang Lu and Yu Tsao},
journal= {arXiv preprint arXiv:2111.06316},
year = {2021}
}
备注
Accepted at NeurIPS 2021