Підхід, що спирається на знання, до сегментації музики, розділення музичних джерел та розділення звуку кінематографічного рівня
https://ift.tt/DLTctuA
Ми пропонуємо підхід на основі знань і моделі для сегментації аудіо на фрагменти одиничної та змішаних категорій з застосуванням до розділення джерел. Тут «знання» означає інформацію, пов’язану з даними, наприклад музичні нотні записи. Тут «модель» стосується інструмента, який може використовуватися для сегментації аудіо та розпізнавання, наприклад скриті марковські моделі. На відміну від традиційного навчання, яке часто залежить від аннотованих даних із заданими категоріями сегментів та відповідними межами для керування процесом навчання, запропонований фреймворк не залежить від попередньо сегментованих даних для навчання та вивчає напряму з вхідного аудіо та пов’язаних джерел знань, щоб автономно будувати всі необхідні моделі. Оцінювання на даних імітації показує, що навчання за керівництвом нотним записом досягає дуже гарних результатів сегментації музики та розділення. Перевірка на даних музичних треків для кінематографічного розділення звуку також показує, що використання знань про категорії звуку забезпечує кращі результати розділення, ніж ті, що отримані із технік, які базуються на даних без використання такої інформації.
HI-FI News
через Штучний інтелект https://ift.tt/ZP0cb9t
26 лютого 2026 р. о 04:26 за ранковим часом
February 26, 2026 at 04:26AM
Залишити відповідь