基于跳跃连接注意力网络的音乐分离

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：在对音乐进行歌声与伴奏分离过程中,基于卷积编解码的分离模型虽然在一定程度上提升了分离效果,但网络存在丢失信息的问题.为了解决这个问题,提出一种有效的歌声与伴奏分离的模型.传统方法指的是非深度学习模型,本文在基于深度学习模型的基础上进行改进,通过在卷积编解码器的跳跃连接部分加入注意力机制,解决了网络丢失重要信息的问题,提高了分离性能.在开源数据集MUSDB18上进行验证,结果表明所提的模型分离效果良好.

外文标题：Music Separation Based on Skip Connection Attention Networks

作者：

王岚

展开 >

作者单位：

中国传媒大学,北京 100024

关键词：

歌声与伴奏分离卷积编解码器注意力

出版年：

2022

DOI：

10.16311/j.audioe.2022.02.007