| 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 | 2025-07-05 13:00 自己教師あり学習による未学習環境下における音声強調性能の向上 ○半澤恭介・杉浦陽介・島村徹也（埼玉大）  EA2025-11 |
|
| 抄録 | （和） | 本稿では，クリーン音声なしに未知環境の雑音を効果的に抑圧するための音声強調モデルに対する自己教師あり学習法を提案する．音声強調モデルは大規模なデータセットで学習することで汎化性を獲得するが，未学習環境のドメインのデータに対しての頑健性には限界がある．提案法では，事前学習した識別器を利用して自己教師あり学習を行うことで，未学習環境における性能を改善する．提案法の識別器には Patch GAN と Multi-scale Discriminator を組み合わせた新たな機構を導入する．識別器の損失関数には生成音声の品質最大化項、推定雑音の非音声化項、両者の相互相関抑制項を導入し、モード崩壊を防ぎつつ過学習を防いでいる．さらに学習時にはWGAN-GPとSpectral Normalizationを併用して学習の安定性を向上させる．計算機実験では従来のMetricGAN-Uと比較して，提案法は複数の評価指標において数値が向上することを確認した． |
| （英） | This paper proposes a self-supervised learning method for speech-enhancement models that suppresses noise in unseen acoustic environments without requiring clean reference signals. Although training on large-scale datasets endows such models with a certain degree of generalization, their robustness to domains not covered during training is still limited. The proposed approach improves performance under unseen conditions by fine-tuning the generator with a pre-trained discriminator. This discriminator combines a PatchGAN with a multi-scale architecture. Its loss comprises three loss terms: one to maximize the quality of the enhanced speech, one to ensure the residual noise remains non-speech, and one to minimize their cross-correlation; together these terms curb mode collapse and overfitting. Furthermore, WGAN-GP and spectral normalization are applied during training to stabilize optimization. Computer experiments demonstrate that the proposed method yields higher scores in multiple evaluation metrics than the conventional MetricGAN-U． | |
| キーワード | （和） | 音声強調 / 自己教師あり学習 / 敵対的生成ネットワーク / / / / / |
| （英） | Speech Enhancement / Self-Supervised Learning / Generative Adversarial Networks / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 98, EA2025-11, pp. 1-6, 2025年7月. | |
| 資料番号 | EA2025-11 | |
| 発行日 | 2025-06-28 (EA) | |
| 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 | EA2025-11 |
|
| 研究会情報 | |
| 研究会 | EA ASJ-H ASJ-MA |
| 開催期間 | 2025-07-05 - 2025-07-06 |
| 開催地（和） | 北海道大学 フロンティア応用科学研究棟 2-01 セミナー室2 |
| 開催地（英） | |
| テーマ（和） | 応用／電気音響，聴覚，音楽音響，音響教育，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 | 2025-07-EA-H-MA |
| 本文の言語 | 日本語 |
| タイトル（和） | 自己教師あり学習による未学習環境下における音声強調性能の向上 |
| サブタイトル（和） | |
| タイトル（英） | Improving Speech Enhancement Performance in Untrained Environments by Self-Supervised Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声強調 / Speech Enhancement |
| キーワード(2)（和/英） | 自己教師あり学習 / Self-Supervised Learning |
| キーワード(3)（和/英） | 敵対的生成ネットワーク / Generative Adversarial Networks |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| 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） | 半澤 恭介 / Kyosuke Hanzawa / ハンザワ キョウスケ |
| 第1著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 杉浦 陽介 / Yosuke Sugiura / スギウラ ヨウスケ |
| 第2著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 島村 徹也 / Tetsuya Shimamura / シマムラ テツヤ |
| 第3著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-07-05 13:00:00 |
| 発表時間 | 30分 |
| 申込先研究会 | EA |
| 資料番号 | EA2025-11 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.98 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2025-06-28 (EA) |
[研究会発表申込システムのトップページに戻る]