arXiv · AI· Ioannis N. Ziogas, Aamna Al Shehhi, Ahsan H. Khandoker, Leontios J. Hadjileontiadis·· 1 天前AI 评分21
VDA框架提升潜空间表征解耦效果
Variational decomposition autoencoding improves disentanglement of latent representations
AI 导读
研究提出变分分解自编码（VDA）框架及仅编码器神经网络DecVAE，旨在解决传统变分自编码器难以捕捉时频多样性的问题。 DecVAE在模拟数据及语音识别、构音障碍评估和情绪语音分类三个公开科学数据集上进行评估。 结果显示，该方法在解耦质量和鲁棒性上优于基于变分自编码器的方法，当生成因子具有独特频谱特征时，其潜空间表现为因子特异性。
来源：arXiv · AI · arxiv.org