| 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 | 2024-03-01 10:40 潜在変数と観測データにガンマ分布を仮定したVAEによる音声振幅スペクトル表現 ○今市夏菜子・中鹿 亘（電通大）  EA2023-104 SIP2023-151 SP2023-86 |
|
| 抄録 | （和） | 近年，データの生成において複雑な関係を表現できる深層生成モデルが注目されており，その例として変分オートエンコーダ(Variational Auto Encorder:VAE)が挙げられる．通常VAEは，エンコーダとデコーダともにガウス分布を仮定することが多いが，VAEの入力特徴量として適している振幅スペクトルは必ず正の値となることから，負の値も考慮するガウス分布は適切ではないと考えられる．そこで，正の値のみを考慮する確率分布の一つであるガンマ分布を仮定し再構成の精度の比較実験を行った．その結果，ガンマ分布を仮定したVAEにおいて通常のVAEよりも良い精度の結果を得ることができ，VAEを用いて振幅スペクトルをモデル化するという点においてはガンマ分布が適していることが分かった． |
| （英） | Recently, deep generative models that can represent complex relationships in data generation have been attracting attention, and VAE is an example of such a model. However, since the amplitude spectrum suitable for VAE input features is always positive, a Gaussian distribution that also takes negative values into account is not appropriate. Therefore, we conducted an experiment to compare the accuracy of reconstruction by assuming a gamma distribution, a probability distribution that considers only positive values. As a result, we found that the VAE assuming the gamma distribution gave better accuracy results than the normal VAE, indicating that the gamma distribution is suitable for modeling amplitude spectra using VAE. | |
| キーワード | （和） | 深層生成モデル / VAE / 振幅スペクトル表現 / 音声の符号化 / ガンマ分布 / / / |
| （英） | deep Generative Model / VAE / amplitude spectrum representation / speech coding / gamma distribution / / / | |
| 文献情報 | 信学技報, vol. 123, no. 403, SP2023-86, pp. 256-261, 2024年2月. | |
| 資料番号 | SP2023-86 | |
| 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 | EA2023-104 SIP2023-151 SP2023-86 |
|
| 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 | SP |
| 会議コード | 2024-02-SIP-SP-EA-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 潜在変数と観測データにガンマ分布を仮定したVAEによる音声振幅スペクトル表現 |
| サブタイトル（和） | |
| タイトル（英） | Speech representation based on VAE assuming gamma distribution for latent variables and observation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層生成モデル / deep Generative Model |
| キーワード(2)（和/英） | VAE / VAE |
| キーワード(3)（和/英） | 振幅スペクトル表現 / amplitude spectrum representation |
| キーワード(4)（和/英） | 音声の符号化 / speech coding |
| キーワード(5)（和/英） | ガンマ分布 / gamma distribution |
| 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） | 今市 夏菜子 / Nanako Imaichi / イマイチ ナナコ |
| 第1著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-communications (略称： UEC) |
| 第2著者 氏名（和/英/ヨミ） | 中鹿 亘 / Toru Nakashika / ナカシカ トオル |
| 第2著者 所属（和/英） | 電気通信大学 (略称： 電通大) The University of Electro-communications (略称： UEC) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-01 10:40:00 |
| 発表時間 | 60分 |
| 申込先研究会 | SP |
| 資料番号 | EA2023-104, SIP2023-151, SP2023-86 |
| 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.256-261 |
| 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]