Singing Voice Separation: A Study on Training Data
Singing Voice Separation: A Study on Training Data
复制标题
歌声分离：训练数据研究
DOI：
--
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Andrea Vaglio
中科院分区：
文献类型：
--
作者：
Laure Prétet;Romain Hennequin;Jimena Royo;Andrea Vaglio
近年来，由于使用监督训练，歌唱声音分离系统表现出更高的性能。训练数据集的设计被认为是此类系统性能的关键因素。我们研究了训练数据集的特征如何影响最先进的歌唱声音分离算法的分离性能。我们表明，分离质量和多样性是良好训练数据集的两个重要和互补的资产。我们还提供了有关可能的转换的见解，以执行此任务的数据增强。
In the recent years, singing voice separation systems showed increased performance due to the use of supervised training. The design of training datasets is known as a crucial factor in the performance of such systems. We investigate on how the characteristics of the training dataset impacts the separation performances of state-of-the-art singing voice separation algorithms. We show that the separation quality and diversity are two important and complementary assets of a good training dataset. We also provide insights on possible transforms to perform data augmentation for this task.
MedleyDB：用于注释密集型 MIR 研究的多轨数据集
DOI：
--
发表时间：
2014
期刊：
15th International Society for Music Information Retrieval Conference
影响因子：
--
作者：
Bittner, R.
通讯作者：
Bittner, R.