
Eine Methode zum Berechnen von Ähnlichkeiten, die sich auf einzelne Instrumentalklänge konzentriert, indem ein einzelnes Netzwerk verwendet wird, das gemischte Klänge als Eingabe nimmt, anstatt individuelle Instrumentalklänge zu verwenden.


coremsg

effiziente-extraktion-und-analyse-von-einblicken-durch-erlernen-multidimensionaler-entkoppelter-darstellungen-von-instrumentalklängen-zur-beurteilung-musikalischer-ähnlichkeit


Effiziente Extraktion und Analyse von Einblicken durch Erlernen multidimensionaler, entkoppelter Darstellungen von Instrumentalklängen zur Beurteilung musikalischer Ähnlichkeit


title_rewrite


DTTNet, ein neuartiges und leichtgewichtiges Framework, erreicht eine höhere cSDR für die "Vocals"-Spur als BSRNN und eine höhere cSDR für die "Other"-Spur als TFC-TDF UNet v3, bei gleichzeitig deutlich reduzierter Parameteranzahl.


effiziente-musikquellentrennung-mit-einem-leichtgewichtigen-deep-learning-framework-dttnet-


Effiziente Musikquellentrennung mit einem leichtgewichtigen Deep-Learning-Framework (DTTNet)



DTTNet, ein neuartiges und leichtgewichtiges Framework, erreicht eine höhere cSDR für die 'Vocals'- und 'Other'-Spur der Musikquellentrennung bei gleichzeitiger Reduzierung der Parameteranzahl im Vergleich zu BSRNN und TFC-TDF UNet v3.
