| Project/Area Number |
20K19818
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
Nakamura Tomohiko 東京大学, 大学院情報理工学系研究科, 特任助教 (50866308)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2021: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2020: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
|
|---|
| Keywords | 音響情景分析 / 時間領域深層学習 / 多重解像度解析 / 音源分離 / 音響信号処理 / 深層学習 / 機械学習 |
|---|
| Outline of Research at the Start |
混合音から各音源信号を分離する技術である音源分離において，近年信号波形を直接入力・出力する時間領域深層学習が有望な結果を示している．しかし，時間領域深層学習では，高性能な音源分離を実現するように各構成要素のパラメータが学習されるため，各構成要素の機能は明確ではなく，発見的に研究が行われているのが実情である．一方，音響信号処理分野で提案された多重解像度解析は，機能が明確な構成要素を用いて全体として所望の信号解析機能を有するよう設計されている．本研究では，時間領域深層学習と多重解像度解析を融合し，両者の利点を兼ね備えた新たな音源分離手法（多重解像度深層分析）の創出を目指す．
|
| Outline of Final Research Achievements |
In this study, we proposed an audio source separation method, multiresolution deep-layered analysis. It comes from our finding that a waveform-domain audio source separation model, Wave-U-Net, resembles multiresolution analysis in downsampling (DS) architecture. Inspired by the resemblance, we developed a DS layer using the discrete wavelet transform. Music source separation experiments showed that the proposed method achieves higher separation performance than conventional waveform-based methods. We also extended the proposed layer so that its wavelets can be trained together with the other components of a deep neural network. This extension paves the way for obtaining suitable wavelets for target tasks in an end-to-end manner. Finally, we applied the proposed methods to monaural vocal ensemble separation and multi-channel audio source separation tasks and demonstrated the effectiveness of the proposed methods through experiments on these tasks.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究では，時間領域で直接分離を行う深層音源分離モデル（時間領域深層学習）と，信号処理・ウェーブレット解析で培われてきた多重解像度解析を融合する分野横断的方法論を創出した．時間領域深層学習では，高性能な音源分離を実現するように各構成要素のパラメータが学習されるため，各構成要素の機能は明確ではなかった．一方，多重解像度解析は，音源によって適切に設計する必要があるものの，機能が明確な構成要素を用いている．本研究成果は，両者を統合することで深層学習の高性能性と信号処理の高い解釈性を両立する第一歩となるものである．
|
