Дифузійні моделі в розділенні аудіосигналів

Abstract

У роботі розглядаються сучасні підходи до задачі розділення аудіосигналів із використанням дифузійних генеративних моделей. Описано математичні основи дифузійного процесу, включно з прямим та зворотним проходами, а також два класи моделей, що використовують дифузійний процес: дифузійні ймовірнісні моделі усунення шуму і моделі, засновані на оціночних функціях. Представлено детальний огляд останніх робіт, які застосовують дифузійні моделі для розділення мовлення та музики, включно з гібридними підходами, що поєднують дискримінативні та генеративні архітектури. Обговорено переваги дифузійних моделей, такі як можливість використання неанотованих даних, покращена перцептивна якість та здатність працювати з неповними або зашумленими даними. Робота узагальнює поточний стан досліджень та вказує на перспективність подальшого вивчення дифузійних моделей для задач розділення джерел у складних акустичних умовах.