[논문리뷰] Ensemble knowledge distillation of self-supervised speech models 요약
Ensemble knowledge distillation of self-supervised speech models 요약.pdf
신호처리
SV56 사용 결과 비교
SV56 사용 결과 비교.pdf
2차원 Inverse Discrete Fourier Transform
2 차원에서 신호 이 있다고 하자. 이것의 DFT (discrete fourier transform)은 아래와 같다. 이것의 IDFT (inverse discrete fourier transform)은 아래와 같이 정의된다.
Contributions of “A Statistical Model-Based Voice Activity Detection
Contributions of “A Statistical Model-Based Voice Activity Detection.pdf
Contribution of “PEFAC – A Pitch Estimation Algorithm Robust to High Levels of Noise”
Contribution of “PEFAC – A Pitch Estimation Algorithm Robust to High Levels of Noise”.pdf
2차원에서 Discrete Fourier Transform (DFT)
2차원에서 Discrete Fourier Transform (DFT)에 대해 알아보자. 줄여서 2D DFT라 하자. 2차원에서 정의된 sequence 있다고 하자. 이것의 DFT는 아래와 같이 정의된다. -본 글은 광주과학기술원 (지스트, gist) 소재웅 교수님의 강의 자료를 토대로 작성되었습니다. 저의 해석이 들어가서 조금 틀린 부분 있을 수 있으니 너그러이 봐주세요.
Contributions of “Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator”
Contributions of “Speech enhancement using a minimum-mean square error short-time spectral amplitude estimator”.pdf
유클리드 기하와 사영기하 (Euclidean geometry vs Projective Geometry) [지스트 소재웅 교수님 수업]
유클리드 기하와 사영기하 (Euclidean geometry vs Projective Geometry) [지스트 소재웅 교수님 수업] Euclidean Geometry 두 점 사이를 잇는 가장 짧은 거리는 흔히 말하는 직선이다. 삼각형 내각의 합은 180도이다. 수직인 직선은 90도다. 평행선은 절대 안만난다. 무한대 (infinity)는 정의가 되지 않는다. Projective Geometry 평행성은 finite point에서 만난다. 원은 타원 혀태로 나타난다. 각도, 거리는 보존 되지 않는다. Infinity가 … Read more
[논문리뷰] Modifying Flow Matching for Generative Speech Enhancement
[논문리뷰] Modifying Flow Matching for Generative Speech Enhancement.pdf
GIST, 플로우 매칭 기반 음성향상 모델의 성능 및 속도 개선
신종원 교수 연구팀 플로우 매칭 기반 음성향상 모델의 추론 및 학습 방법을 추가하여 성능 및 속도 개선 광주과학기술원 전기전자컴퓨터공학부 신종원 교수 연구팀은 최근 플로우 매칭 (flow matching) 기반의 음성향상 모델의 속도 및 성능을 개선할 수 있는 학습방법 및 추론방법을 개발하였고 국제 음성신호처리 학회인 Interspeech 2025에 논문을 출간하였다. (논문링크: Speech Enhancement based on cascaded two flows … Read more