| 講演名 | 2019-03-15 ［ポスター講演］多チャンネル変分自己符号化器に基づく劣決定音源分離の評価 関 翔悟(名大), 亀岡 弘和(NTT), 李 莉(筑波大), 戸田 智基(名大), 武田 一哉(名大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では劣決定音源分離を扱う．多チャンネル非負値行列因子分解（MNMF）は劣決定音源分離に有効な手法であり，NMF を音源のパワースペクトログラムモデリングへと適用する．これは優決定条件下でのMNMF でもある独立低ランク行列分析（ILRMA）にも取り入れられている．これらの手法は特定の音源に対して有効である一方で，NMF によってモデル化が困難な音源に対してはその分離性能が制限される．この問題に対して，NMF の代わりに条件付き変分自己符号化器（CVAE）を音源モデルとして利用する多チャンネル変分自己符号化器（MVAE）が最近提案され，ネットワークの柔軟な表現能力による高い分離性能が確認されている．本稿では優決定音源分離で定式化されているMVAE を劣決定音源分離へと適用し，停留点への収束が保証された最適化アルゴリズムを導く．2 チャネルのマイクロフォンアレイを用いた３話者の分離による実験的評価を行い提案法の有効性を示す． |
| 抄録(英) | This paper deals with a multichannel audio source separation problem under underdetermined conditions. Multichannel Non-negative Matrix Factorization (MNMF) is one of powerful approaches, which adopts the NMF concept for source power spectrogram modeling. This concept is also employed in Independent Low-Rank Matrix Analysis (ILRMA), a special class of the MNMF framework formulated under determined conditions. These methods work reasonably for particular types of sound sources, however, one limitation is that they can fail to work for sources with spectrograms that do not comply with the NMF model. To address this limitation, an extension of ILRMA called the Multichannel Variational Autoencoder (MVAE) method was recently proposed, where a Conditional VAE (CVAE) is used instead of the NMF model for source power spectrogram modeling. This approach has shown to perform impressively in determined source separation tasks thanks to the representation power of DNNs. This paper generalizes MVAE originally formulated under determined mixing conditions so that it can also deal with underdetermined cases. The proposed method was evaluated on an underdetermined source separation task of separating out three sources from two microphone inputs. Experimental results revealed that the generalized MVAE method achieved better performance than the MNMF method. |
| キーワード(和) | 劣決定音源分離 / 多チャンネル変分自己符号化器 / 多チャンネル非負値行列因子分解 |
| キーワード(英) | Underdetermined source separation / Multichannel variational autoencoder / Multichannel non-negative matrix factorization |
| 資料番号 | EA2018-154,SIP2018-160,SP2018-116 |
| 発行日 | 2019-03-07 (EA, SIP, SP) |
| 研究会情報 | |
| 研究会 | EA / SIP / SP |
|---|---|
| 開催期間 | 2019/3/14(から2日開催) |
| 開催地（和） | アイランド ナガサキ（長崎市） |
| 開催地（英） | i+Land nagasaki (Nagasaki-shi) |
| テーマ（和） | 応用／電気音響，信号処理，音声，一般 |
| テーマ（英） | Engineering/Electro Acoustics, Signal Processing, Speech, and Related Topics |
| 委員長氏名（和） | 島内 末廣(金沢工大) / 村松 正吾(新潟大) / 山下 洋一(立命館大) |
| 委員長氏名（英） | Suehiro Shimauchi(Kanazawa Inst. of Tech.) / Shogo Muramatsu(Niigata Univ.) / Yoichi Yamashita(Ritsumeikan Univ.) |
| 副委員長氏名（和） | 古家 賢一(大分大) / 渡邉 貫治(秋田県立大) / 相川 直幸(東京理科大) / 林 和則(阪市大) / 李 晃伸(名工大) |
| 副委員長氏名（英） | Kenichi Furuya(Oita Univ.) / Kanji Watanabe(Akita Pref. Univ.) / Naoyuki Aikawa(TUS) / Kazunori Hayashi(Osaka City Univ) / Akinobu Ri(Nagoya Inst. of Tech.) |
| 幹事氏名（和） | 武岡 成人(静岡理工科大) / 松井 健太郎(NHK) / 渡邊 修(拓殖大) / 中本 昌由(広島大学) / 南條 浩輝(京大) / 坂野 秀樹(名城大) |
| 幹事氏名（英） | Shigeto Takeoka(Shizuoka Inst. of Science and Tech.) / Kentaro Matsui(NHK) / Osamu Watanabe(Takushoku Univ.) / Masayoshi Nakamoto(Hiroshima Univ.) / Hiroaki Nanjo(Kyoto Univ.) / Hideki Banno(Meijo Univ.) |
| 幹事補佐氏名（和） | 井本 桂右(立命館大) / 森川 大輔(富山県立大) / 小西 克巳(法政大) / 何 宜欣(拓殖大) / 郡山 知樹(東工大) / 小橋川 哲(NTT) |
| 幹事補佐氏名（英） | Keisuke Imoto(Ritsumeikan Univ.) / Daisuke Morikawa(Toyama Pref Univ.) / Katsumi Konishi(Hosei Univ.) / hyihsin(Takushoku Univ.) / Tomoki Koriyama(Tokyo Inst. of Tech.) / Satoshi Kobashikawa(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Engineering Acoustics / Technical Committee on Signal Processing / Technical Committee on Speech |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［ポスター講演］多チャンネル変分自己符号化器に基づく劣決定音源分離の評価 |
| サブタイトル（和） | |
| タイトル（英） | [Poster Presentation] An Evaluation of Underdetermined Source Separation Based on Multichannel Variational Autoencoder |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 劣決定音源分離 / Underdetermined source separation |
| キーワード(2)（和/英） | 多チャンネル変分自己符号化器 / Multichannel variational autoencoder |
| キーワード(3)（和/英） | 多チャンネル非負値行列因子分解 / Multichannel non-negative matrix factorization |
| 第 1 著者 氏名（和/英） | 関 翔悟 / Shogo Seki |
| 第 1 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 2 著者 氏名（和/英） | 亀岡 弘和 / Hirokazu Kameoka |
| 第 2 著者 所属（和/英） | 日本電信電話株式会社(略称：NTT) Nippon Telegraph and Telephone Corporation(略称：NTT) |
| 第 3 著者 氏名（和/英） | 李 莉 / Li Li |
| 第 3 著者 所属（和/英） | 筑波大学(略称：筑波大) University of Tsukuba(略称：Univ. Tsukuba) |
| 第 4 著者 氏名（和/英） | 戸田 智基 / Tomoki Toda |
| 第 4 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 第 5 著者 氏名（和/英） | 武田 一哉 / Kazuya Takeda |
| 第 5 著者 所属（和/英） | 名古屋大学(略称：名大) Nagoya University(略称：Nagoya Univ.) |
| 発表年月日 | 2019-03-15 |
| 資料番号 | EA2018-154,SIP2018-160,SP2018-116 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | EA-495,SIP-496,SP-497 |
| ページ範囲 | pp.323-328(EA), pp.323-328(SIP), pp.323-328(SP), |
| ページ数 | 6 |
| 発行日 | 2019-03-07 (EA, SIP, SP) |