| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2024-02-29 16:20 IVAとDNNを近接平均化した優決定BSSに用いるDNNのアーキテクチャの比較 ○松本和樹（早大）・山田宏樹・矢田部浩平（東京農工大）  EA2023-88 SIP2023-135 SP2023-70 |
|
| 抄録 | （和） | 我々はこれまで，Plug-and-Playと近接平均（PA）の枠組みに基づき，深層ニューラルネットワーク（DNN）による雑音除去器を用いて高性能な分離行列推定を実現するフレームワーク（PA-BSS）を提案した．PA-BSSは，独立ベクトル分析（IVA）とDNNの近接平均を主双対近接分離（PDS）アルゴリズムにPlug-and-Playすることで，IVAの安定した分離能力とDNNの緻密な音源モデリング能力を両立した音源分離を実現する．しかし，どのようなDNNを用いれば高い分離性能が得られ，アルゴリズムが良好な収束性を示すのかに関しては十分な検討がなされていない．そこで本稿では，2種類の推定器と3種類の推定対象を用いた計6種類のDNNを用いてPA-BSSによる音源分離を試み，各DNNの性質とそれらを用いたPA-BSSの性能を評価した．推定器に関しては（1） Encoder-Decoder型のFully Convolutional Network，（2）U-Netの2種類を用いた．また，それらの推定対象に関しては，（1）目的音の振幅，（2）雑音成分の振幅，（3）目的音抽出マスクの3種類を比較した．結果として，U-Netにより雑音成分を推定するアーキテクチャが分離性能，頑健性，アルゴリズムの収束性の観点で優れることが分かった． |
| （英） | We have proposed a framework called PA-BSS for high-performance separation matrix estimation using deep denoisers based on the framework of plug-and-play and proximal average (PA). By plug-and-play of proximal average of IVA and DNN into the primal-dual splitting (PDS) algorithm, PA-BSS achieves source separation that combines the stable separation capability of IVA with the detailed source modeling capability of DNNs. However, what kind of DNNs can achieve high separation performance and preferable algorithm convergence has not been thoroughly investigated. In this paper, we explore the properties of six different DNNs which are the conbinations of two estimators and three estimation targets. The two estimators are (1) encoder-decoder type fully convolutional networks and (2) U-Net. As for the estimation targets, we use (1) the amplitude of the target source, (2) the amplitude of noise components, and (3) the time-frequency mask which extracts the target source. Then, we evaluate the separation performance of PA-BSS with those DNNs. As a result, we found that the architecture that estimates noise components using U-Net is superior in terms of separation performance, robustness, and algorithm convergence. | |
| キーワード | （和） | 優決定ブラインド音源分離 / 深層学習 / 主双対近接分離アルゴリズム / plug-and-play / proximal average / / / |
| （英） | determined blind source separation / deep learning / primal-dual splitting algorithm / plug-and-play / proximal average / / / | |
| 文献情報 | 信学技報, vol. 123, no. 401, EA2023-88, pp. 162-167, 2024年2月. | |
| 資料番号 | EA2023-88 | |
| 発行日 | 2024-02-22 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2023-88 SIP2023-135 SP2023-70 |
|
| 研究会情報 | |
| 研究会 | SIP SP EA IPSJ-SLP |
| 開催期間 | 2024-02-29 - 2024-03-01 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | EA |
| 会議コード | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | IVAとDNNを近接平均化した優決定BSSに用いるDNNのアーキテクチャの比較 |
| サブタイトル（和） | |
| タイトル（英） | Comparison of DNN architectures for determined BSS by proximal average of IVA and DNN |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 優決定ブラインド音源分離 / determined blind source separation |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 主双対近接分離アルゴリズム / primal-dual splitting algorithm |
| キーワード(4)（和/英） | plug-and-play / plug-and-play |
| キーワード(5)（和/英） | proximal average / proximal average |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 松本 和樹 / Kazuki Matsumoto / マツモト カズキ |
| 第1著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 山田 宏樹 / Koki Yamada / ヤマダ コウキ |
| 第2著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 第3著者 氏名（和/英/ヨミ） | 矢田部 浩平 / Kohei Yatabe / ヤタベ コウヘイ |
| 第3著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-02-29 16:20:00 |
| 発表時間 | 60分 |
| 申込先研究会 | EA |
| 資料番号 | EA2023-88, SIP2023-135, SP2023-70 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.401(EA), no.402(SIP), no.403(SP) |
| ページ範囲 | pp.162-167 |
| ページ数 | 6 |
| 発行日 | 2024-02-22 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]