Il prossimoProssima guida
Formazione sull'intelligenza artificiale
Fondamenti
GUIDA AI audio
L'addestramento invariante di permutazione (PIT) è un trucco di addestramento intelligente che consente a un modello di separare più voci senza preoccuparsi dello slot di output in cui si trova ciascuna voce.
Ascolta questa guidaNarrato dall'IA · ~2 min
It solved a stubborn labeling problem that had blocked progress in speech separation.
Quando una rete emette due voci separate, non esiste una regola naturale per cui l'uscita dovrebbe essere "altoparlante 1" o "altoparlante 2". Se l'addestramento prevede sempre l'oratore A nell'output 1, ma il modello inserisce A nell'output 2, verrà penalizzato anche se la separazione era perfetta. Questo "problema di permutazione delle etichette" ha fatto sì che i modelli producessero risultati medi sfocati. Introdotto da Dong Yu e colleghi nel 2017, il PIT risolve il problema provando ogni possibile abbinamento tra gli output del modello e le fonti reali, calcolando l'errore per ciascuno e mantenendo solo l'assegnazione dell'errore più basso per aggiornare il modello. La rete viene quindi premiata per la separazione netta indipendentemente dall'ordine, rendendo finalmente possibile una formazione coerente con più relatori.
Addestramento delle reti neurali per separare due o più interlocutori sovrapposti nelle registrazioni di riunioni e chiamate.
Alimentazione di sistemi di separazione a microfono singolo utilizzati come front-end per il riconoscimento vocale.
Abilitazione del PIT a livello di espressione per mantenere ciascun interlocutore assegnato a un canale di output coerente durante una conversazione.
Serve come obiettivo di formazione nei modelli di separazione di riferimento valutati su set di dati come WSJ0-2mix.
Il PIT rimane una spina dorsale della ricerca sulla separazione, ma le nuove direzioni ne riducono il costo combinatorio e l’ambiguità di ordinamento. Approcci come la separazione ricorsiva estraggono un parlante alla volta, mentre i metodi del parlante target evitano completamente la permutazione condizionando un segnale vocale. Gli schemi di assegnazione euristici e basati su grafici mirano a scalare il PIT per un numero maggiore e variabile di parlanti. Aspettatevi che le idee in stile PIT persistano ovunque un modello debba produrre un insieme non ordinato di output, anche oltre l’audio.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
L'addestramento invariante di permutazione (PIT) è un trucco di addestramento intelligente che consente a un modello di separare più voci senza preoccuparsi in quale slot di output va a finire ciascuna voce. Ha risolto un ostinato problema di etichettatura che aveva bloccato i progressi nella separazione del parlato.
PIT risolve il problema della permutazione delle etichette: non esiste alcuna ragione intrinseca per cui l'uscita 1 dovrebbe essere l'altoparlante A anziché l'altoparlante B.
Il PIT valuta la perdita per ogni possibile permutazione e propaga all'indietro solo l'assegnazione con la perdita minima.
L’etichettatura incoerente ha inviato gradienti contrastanti, spingendo il modello verso stime medie e distorte dei parlanti.
Ci sono N! modi per assegnare N uscite a N sorgenti, motivo per cui scalare PIT su molti altoparlanti diventa costoso.
uPIT corregge una permutazione per l'intera frase, impedendo ai parlanti di scambiare i canali a metà frase.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Formazione sull'intelligenza artificiale
Fondamenti