論文の概要: SNOAR: Self-training with Noise filtering, Observation adding, and Remixing for Speech Denoising Without Clean References

• arxiv url: http://arxiv.org/abs/2610.20863v1
• Date: Wed, 14 Oct 2026 19:54:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.048337
• Title: SNOAR: Self-training with Noise filtering, Observation adding, and Remixing for Speech Denoising Without Clean References
• Title（参考訳）: SNOAR: クリーン参照のない音声聴取のためのノイズフィルタリング, 監視追加, リミックスによる自己学習
• Abstract要約: 本研究では,教師の算定を事前に補正する自己学習フレームワークであるSNOARを提案する。 DNFがなければ、ループはアイデンティティマッピングに崩壊するので、2つの補正が互いに依存していることが示される。 RemixITと比較すると、SNOARはトレーニングに沿って安定しており、信号ベース、知覚的、単語エラー率の指標よりも優れています。
• 参考スコア（独自算出の注目度）: 9.703374379491985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised speech denoising methods such as MixIT and noisy-target training can be trained directly on noisy recordings, avoiding the sim-to-real gap of synthetic training data, but remain well below supervised performance. Teacher--student self-training, as in RemixIT, narrows this gap by remixing a teacher's estimates into new mixtures that supervise a student; however, since the student is trained only toward the teacher's estimates, teacher errors, in particular over-suppressed speech, are never recovered and propagate as the teacher is updated from the student. We propose SNOAR, a self-training framework that corrects the teacher's estimates before use: the noise leaked into its speech estimate is removed by differential noise filtering (DNF), and part of the noisy observation is added back in to restore suppressed speech and attenuate artifacts. We show that the two corrections depend on each other, as without DNF the loop collapses to the identity mapping. Compared to RemixIT, SNOAR is more stable along training and outperforms it in signal-based, perceptual, and word error rate metrics, reaching 97\% of the SI-SDR improvement of a fully-supervised topline on WHAM!; on real CHiME-3 recordings, it improves every metric of three different teachers, while RemixIT degrades their perceptual quality.
• Abstract（参考訳）: MixITやノイズターゲット訓練のような教師なしの音声認識手法は、合成訓練データのシミュレート・トゥ・リアルなギャップを回避しながら、ノイズの多い録音を直接訓練することができるが、教師付き性能よりはるかに低いままである。 教師の自己学習は、RemixITのように、教師の見積を生徒を監督する新しい混合体にリミックスすることで、このギャップを狭めるが、教師の見積のみに向けて訓練されているため、教師の誤り、特に過剰に抑圧されたスピーチは、教師が生徒から更新され、伝播することはない。 SNOARは教師の予測を事前に補正する自己学習フレームワークであり、その音声推定にリークしたノイズはディファレンシャルノイズフィルタリング(DNF)によって除去され、ノイズのある観察の一部が加わり、抑圧された音声を復元し、アーチファクトを減衰させる。 DNFがなければ、ループはアイデンティティマッピングに崩壊するので、2つの補正が互いに依存していることが示される。 RemixITと比較すると、SNOARはトレーニングに沿って安定しており、信号ベース、知覚、単語エラー率の指標よりも優れており、WHAM上での完全な教師付きトポラインのSI-SDR改善の99%に達している。 実際のCHiME-3の録音では、3人の教師のメトリクスを改良し、RemixITは知覚の質を低下させる。

関連論文リスト

• When Non-Adversarial Noise Hurts Learning: Benchmarking Skill Self-Evolution in Agents [57.745194049096135]
  RSE-Benchは、通常の非逆雑音下でのスキル自己進化を評価するための最初のベンチマークとなる。 また、一貫したノイズ注入と実際の露出とスキル更新のプロセス診断をサポートするメソッド依存フレームワークであるtextscRSEClaw も導入した。
  論文  参考訳（メタデータ） (2026-10-14T10:03:53Z)
• A denoised Mean Teacher for domain adaptive point cloud registration [81.43344461130474]
  ポイントクラウドベースの医療登録は、計算効率の向上、強度シフトに対する堅牢性、匿名性保護を約束する。 合成変形に関する教師付きトレーニングは代替となるが、ドメインギャップと実際のドメインとの差に悩まされる。 本稿では,2つの相補的デノベーション戦略を含む,ポイントクラウド登録のための教師/学生の指導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-06-26T15:03:47Z)
• Distantly-Supervised Named Entity Recognition with Adaptive Teacher Learning and Fine-grained Student Ensemble [56.705249154629264]
  NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。 本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。 微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
  論文  参考訳（メタデータ） (2022-12-13T12:14:09Z)
• A Training and Inference Strategy Using Noisy and Enhanced Speech as Target for Speech Enhancement without Clean Speech [24.036987059698415]
  本稿では,拡張音声をターゲットとして用いるトレーニングと推論戦略を提案する。 NyTTの有効性の鍵は、ドメイン内ノイズと外ノイズの均一性にあるため、様々な学生モデルをリミックスして訓練する。 実験の結果,提案手法はいくつかのベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2022-10-27T12:26:24Z)
• An Experimental Study on Private Aggregation of Teacher Ensemble Learning for End-to-End Speech Recognition [51.232523987916636]
  差分プライバシー(DP)は、プライバシーデータにノイズのある歪みを課すことで、深層モデルのトレーニングに使用されるユーザー情報を保護するための1つのデータ保護手段である。 本研究では、PATE学習を動的パターン、すなわち音声を扱うように拡張し、音響データの漏洩を避けるために、ASRに関する最初の実験を行う。
  論文  参考訳（メタデータ） (2022-10-11T16:55:54Z)
• Meta Self-Refinement for Robust Learning with Weak Supervision [29.80743717767389]
  弱い監視からラベルノイズに対処するメタ自己精製(MSR)を提案する。 MSRは全ての設定においてラベルノイズに対して堅牢であり、最先端の手法を最大11.4%、F1スコアで9.26%上回っている。
  論文  参考訳（メタデータ） (2022-05-15T14:04:30Z)
• On monoaural speech enhancement for automatic recognition of real noisy speech using mixture invariant training [33.79711018198589]
  既存の混合不変訓練基準を拡張して、未ペア音声と実雑音データの両方を利用する。 実雑音音声から分離した音声の品質を向上させるためには, 未ペアクリーン音声が不可欠であることがわかった。 提案手法は、処理成果物を軽減するために、処理された信号と処理されていない信号のリミックスも行う。
  論文  参考訳（メタデータ） (2022-05-03T19:37:58Z)
• SPIRAL: Self-supervised Perturbation-Invariant Representation Learning for Speech Pre-Training [25.80559992732508]
  SPIRALは、教師/学生のフレームワークにおいて、摂動データの表現を聴覚的に学習することで機能する。 本稿では,実環境における音声応用において重要なノイズ・ロバスト性の問題に対処する。
  論文  参考訳（メタデータ） (2022-01-25T09:53:36Z)
• Improving Noise Robustness of Contrastive Speech Representation Learning with Speech Reconstruction [109.44933866397123]
  実環境における音声認識システムの実現には,雑音の堅牢性が不可欠である。 雑音認識のための自己教師型フレームワークにより学習したノイズロスト表現を用いる。 ラベル付きデータのわずか16%で報告された最高の教師付きアプローチに匹敵するパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2021-10-28T20:39:02Z)
• Noisy Self-Knowledge Distillation for Text Summarization [83.49809205891496]
  我々は, テキスト要約に自己知識蒸留を適用し, 最大習熟時の問題を緩和できると考えている。 学生要約モデルは,学習の正規化を支援するスムーズなラベルを生成する教師の指導によって訓練される。 筆者らは,3つのベンチマークを用いて,事前学習と非事前学習の両方のパフォーマンス向上を実証した。
  論文  参考訳（メタデータ） (2020-09-15T12:53:09Z)

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。