清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Hierarchic Temporal Convolutional Network With Cross-Domain Encoder for Music Source Separation

光谱图 计算机科学 编码器 波形 时域 特征(语言学) 模式识别(心理学) 源分离 特征提取 领域(数学分析) 源代码 人工智能 卷积神经网络 频域 语音识别 算法 数学 计算机视觉 操作系统 电信 数学分析 哲学 语言学 雷达
作者
Ying Hu,Yadong Chen,Danny Chen,Liang He,Hao Huang
出处
期刊:IEEE Signal Processing Letters [Institute of Electrical and Electronics Engineers]
卷期号:29: 1517-1521 被引量:15
标识
DOI:10.1109/lsp.2022.3187316
摘要

Recently, the time-domain-based methods (i.e., the method of modeling the raw waveform directly) for audio source separation have shown tremendous potential. In this paper, we propose a model which combines the complexed spectrogram domain feature and time-domain feature by a cross-domain encoder (CDE) and adopts the hierarchic temporal convolutional network (HTCN) for multiple music sources separation. The CDE is designed to enable the network to code the interactive information of the time-domain and complexed spectrogram domain features. HTCN enables it to learn the long-time series dependence effectively. We also designed a feature calibration unit (FCU) to be applied in the HTCN and adopted the multi-stage training strategy during the training stage. The ablation study demonstrates the effectiveness of each designed component in the model. We conducted the experiments on the MUSDB18 dataset. The experimental results indicate that our proposed CDE-HTCN model outperforms the top-of-the-line methods and, compared with the state-of-the-art method, DEMUCS, achieves the improvement of the average SDR score of 0.61 dB. Significantly, the improvement of the SDR score for the $\ bass$ source has a sizable margin of 0.91 dB.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
9秒前
鳗鱼起眸发布了新的文献求助10
12秒前
19秒前
JamesPei应助鳗鱼起眸采纳,获得10
26秒前
刘刘完成签到 ,获得积分10
35秒前
1分钟前
阎听筠完成签到 ,获得积分10
1分钟前
王磊完成签到 ,获得积分10
2分钟前
2分钟前
虚幻元风完成签到 ,获得积分10
2分钟前
2分钟前
zzuzll完成签到,获得积分10
2分钟前
英俊的铭应助帮帮我好吗采纳,获得10
3分钟前
慕青应助帮帮我好吗采纳,获得10
5分钟前
5分钟前
cc完成签到 ,获得积分10
5分钟前
5分钟前
斯文败类应助帮帮我好吗采纳,获得10
5分钟前
貔貅完成签到,获得积分10
5分钟前
HL完成签到,获得积分10
5分钟前
搜集达人应助帮帮我好吗采纳,获得10
5分钟前
6分钟前
无限的老九完成签到,获得积分10
6分钟前
ranj完成签到,获得积分10
7分钟前
7分钟前
8分钟前
鳗鱼起眸发布了新的文献求助10
8分钟前
9分钟前
chnz3636发布了新的文献求助10
9分钟前
9分钟前
theseus完成签到,获得积分10
10分钟前
10分钟前
共享精神应助帮帮我好吗采纳,获得10
10分钟前
11分钟前
11分钟前
11分钟前
12分钟前
12分钟前
12分钟前
12分钟前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137021
求助须知:如何正确求助?哪些是违规求助? 2787992
关于积分的说明 7784214
捐赠科研通 2444073
什么是DOI,文献DOI怎么找? 1299719
科研通“疑难数据库(出版商)”最低求助积分说明 625497
版权声明 600997