Zobrazeno 1 - 10
of 24
pro vyhledávání: '"Naithani, Gaurav"'
This paper proposes neural networks for compensating sensorineural hearing loss. The aim of the hearing loss compensation task is to transform a speech signal to increase speech intelligibility after further processing by a person with a hearing impa
Externí odkaz:
http://arxiv.org/abs/2310.16550
Autor:
Naithani, Gaurav, Pietilä, Kirsi, Niemistö, Riitta, Paajanen, Erkki, Takala, Tero, Virtanen, Tuomas
Subjective evaluation results for two low-latency deep neural networks (DNN) are compared to a matured version of a traditional Wiener-filter based noise suppressor. The target use-case is real-world single-channel speech enhancement applications, e.
Externí odkaz:
http://arxiv.org/abs/2208.05057
Time-frequency masking or spectrum prediction computed via short symmetric windows are commonly used in low-latency deep neural network (DNN) based source separation. In this paper, we propose the usage of an asymmetric analysis-synthesis window pair
Externí odkaz:
http://arxiv.org/abs/2106.11794
Autor:
Nicodemo, Niccoló, Naithani, Gaurav, Drossos, Konstantinos, Virtanen, Tuomas, Saletti, Roberto
Effective employment of deep neural networks (DNNs) in mobile devices and embedded systems is hampered by requirements for memory and computational power. This paper presents a non-uniform quantization approach which allows for dynamic quantization o
Externí odkaz:
http://arxiv.org/abs/1911.00527
This paper proposes a low algorithmic latency adaptation of the deep clustering approach to speaker-independent speech separation. It consists of three parts: a) the usage of long-short-term-memory (LSTM) networks instead of their bidirectional varia
Externí odkaz:
http://arxiv.org/abs/1902.07033
Mean square error (MSE) has been the preferred choice as loss function in the current deep neural network (DNN) based speech separation techniques. In this paper, we propose a new cost function with the aim of optimizing the extended short time objec
Externí odkaz:
http://arxiv.org/abs/1807.06899
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.