Fugu-MT 論文翻訳(概要): Differentiable Time-Varying IIR Filtering for Real-Time Speech Denoising

論文の概要: Differentiable Time-Varying IIR Filtering for Real-Time Speech Denoising

arxiv url: http://arxiv.org/abs/2603.02794v1
Date: Tue, 03 Mar 2026 09:31:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-04 21:38:10.735303
Title: Differentiable Time-Varying IIR Filtering for Real-Time Speech Denoising
Title（参考訳）: リアルタイム音声認識のための微分時間可変IIRフィルタ
Authors: Riccardo Rota, Kiril Ratmanski, Jozef Coldenhoff, Milos Cernak,
Abstract要約: 我々は100万のパラメータを持つ低遅延音声強調モデルであるTVF(Time-Varying Filtering)を提案する。 TVFは従来のフィルタリングと現代のニューラルスピーチモデリングのギャップを埋める。モデルは、軽量ニューラルネットワークのバックボーンを使用して、微分可能な35バンドIIRフィルタカスケードの係数をリアルタイムで予測する。
参考スコア（独自算出の注目度）: 12.191881845807082
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present TVF (Time-Varying Filtering), a low-latency speech enhancement model with 1 million parameters. Combining the interpretability of Digital Signal Processing (DSP) with the adaptability of deep learning, TVF bridges the gap between traditional filtering and modern neural speech modeling. The model utilizes a lightweight neural network backbone to predict the coefficients of a differentiable 35-band IIR filter cascade in real time, allowing it to adapt dynamically to non-stationary noise. Unlike ``black-box'' deep learning approaches, TVF offers a completely interpretable processing chain, where spectral modifications are explicit and adjustable. We demonstrate the efficacy of this approach on a speech denoising task using the Valentini-Botinhao dataset and compare the results to a static DDSP approach and a fully deep-learning-based solution, showing that TVF achieves effective adaptation to changing noise conditions.
Abstract（参考訳）: 我々は100万のパラメータを持つ低遅延音声強調モデルであるTVF(Time-Varying Filtering)を提案する。デジタル信号処理(DSP)の解釈可能性とディープラーニングの適応性を組み合わせることで、TVFは従来のフィルタリングと現代のニューラルスピーチモデリングのギャップを埋める。このモデルは軽量ニューラルネットワークのバックボーンを使用して、35バンドのIIRフィルタカスケードの係数をリアルタイムで予測し、非定常雑音に動的に適応する。 black-box'のディープラーニングアプローチとは異なり、TVFは完全に解釈可能な処理チェーンを提供する。本稿では,Valentini-Botinhaoデータセットを用いた音声認識における本手法の有効性を示すとともに,静的DDSP手法と完全ディープラーニング方式との比較を行い,TVFが雑音条件の変化に適応できることを実証した。

関連論文リスト

Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data [57.85958428020496]
Flow-Guided Neural Operator (FGNO)は、演算子学習とフローマッチングを組み合わせた新しいフレームワークである。 FGNOは、短時間フーリエ変換を用いて関数空間のマッピングを学習し、異なる時間分解能を統一する。推論中にノイズのある入力を使用する以前の生成SSL法とは異なり、ノイズのある表現を学習しながら、クリーンな入力を用いて表現抽出を行う。
論文参考訳（メタデータ） (2026-02-12T18:54:57Z)
Differentiable Attenuation Filters for Feedback Delay Networks [3.8530395083350615]
フィードバック遅延ネットワーク(FDN)に基づくディジタルオーディオ残響システムにおける減衰フィルタの設計手法を提案する。パラメトリック等化器 (PEQ) として配置された無限インパルス応答 (IIR) フィルタの第2次セクション (SOS) を用いる。本手法は, フレキシブルかつ微分可能な設計を実現し, 計算コストを大幅に削減すると共に, フォーマンス・オブ・ザ・アーティファクトを実現する。
論文参考訳（メタデータ） (2025-11-25T15:01:55Z)
Learnable Total Variation with Lambda Mapping for Low-Dose CT Denoising [0.0]
Learnable Total Variation (LTV) は、データの駆動型Lambda Mapping Network (LambdaNet) と、ピクセルごとの正規化マップを予測するアンロールテレビソルバを結合する。 LTVはブラックボックスCNNの解釈可能な代替手段を提供し、3Dおよびデータ一貫性駆動の再構築の基礎を提供する。
論文参考訳（メタデータ） (2025-11-13T17:05:36Z)
BADiff: Bandwidth Adaptive Diffusion Model [55.10134744772338]
従来の拡散モデルは、下流の伝送制限によらず、一定数のデノナイジングステップを実行することで、高忠実度画像を生成する。実際のクラウド・ツー・デバイス・シナリオでは、帯域幅の制限はしばしば重い圧縮を必要とし、微妙なテクスチャや無駄な計算が失われる。使用可能な帯域幅から導かれる目標品質レベルに拡散モデルを条件付けする,共同エンドツーエンドのトレーニング戦略を導入する。
論文参考訳（メタデータ） (2025-10-24T11:50:03Z)
Resampling Filter Design for Multirate Neural Audio Effect Processing [9.149661171430257]
カイザーFIR窓フィルタを組み込んだ半帯域IIRフィルタを用いた2段設計により,従来提案されていたモデル調整手法に類似あるいは良好な結果が得られることを示す。本稿では,整数オーバーサンプリング処理のためのアンプとデシメーションフィルタについて検討し,モデル調整法と組み合わせて半帯域IIRとFIRの設計を適用可能であることを示す。
論文参考訳（メタデータ） (2025-01-30T16:44:49Z)
VRVVC: Variable-Rate NeRF-Based Volumetric Video Compression [59.14355576912495]
NeRFベースのビデオは、FVV(Photorealistic Free-Viewpoint Video)体験を提供することによって、ビジュアルメディアに革命をもたらした。大量のデータボリュームは、ストレージと送信に重大な課題をもたらす。ビデオ圧縮のための新しいエンドツーエンドの可変レートフレームワークであるVRVVCを提案する。
論文参考訳（メタデータ） (2024-12-16T01:28:04Z)
Run-Time Adaptation of Neural Beamforming for Robust Speech Dereverberation and Denoising [15.152748065111194]
本稿では,実環境におけるリアルタイム自動音声認識のための音声強調について述べる。ノイズの多いエコー混合分光器とディープニューラルネットワーク(DNN)からクリーンドライ音声のマスクを推定し、ビームフォーミングに用いる拡張フィルタを算出する。しかし、このような教師付きアプローチのパフォーマンスは、ミスマッチした条件下で大幅に劣化する。
論文参考訳（メタデータ） (2024-10-30T08:32:47Z)
Multi-stage image denoising with the wavelet transform [125.2251438120701]
深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
論文参考訳（メタデータ） (2022-09-26T03:28:23Z)
Direction-Aware Adaptive Online Neural Speech Enhancement with an Augmented Reality Headset in Real Noisy Conversational Environments [21.493664174262737]
本稿では,拡張現実(AR)ヘッドセットにおけるオンライン音声強調の実用的応答・性能認識開発について述べる。これは、実際の騒々しいエコー環境(例えばカクテルパーティー)における会話を理解するのに役立つ。この方法は、話者のうるさい残響音声を転写するための重み付き予測誤差(WPE)と呼ばれるブラインド残響法で用いられる。
論文参考訳（メタデータ） (2022-07-15T05:14:27Z)
SpecGrad: Diffusion Probabilistic Model based Neural Vocoder with Adaptive Noise Spectral Shaping [51.698273019061645]
SpecGradは拡散雑音に適応し、その時間変化スペクトル包絡が条件付き対数メル分光器に近づく。時間周波数領域で処理され、計算コストは従来のDDPMベースのニューラルボコーダとほぼ同じである。
論文参考訳（メタデータ） (2022-03-31T02:08:27Z)
Speaker Representation Learning using Global Context Guided Channel and Time-Frequency Transformations [67.18006078950337]
グローバルな文脈情報を用いて、重要なチャネルを強化し、有意義な時間周波数位置を再検討する。提案されたモジュールは、人気のあるResNetベースのモデルとともに、VoxCeleb1データセットで評価される。
論文参考訳（メタデータ） (2020-09-02T01:07:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。