What Selects, What Reconstructs: Repairing Exemplar-Based Complex-Spectrum Separation

Авторы находят структурную ошибку в разделении по эталонам: если одна и та же слишком гибкая деформация выбирает пример и реконструирует сигнал, она способна идеально подогнать почти любой кандидат. Тогда критерий выбора ранжирует главным образом регуляризатор, а не соответствие звуку.

Метод. Теорема формализует эту неидентифицируемость для переопределённой деформации комплексного спектра. Исправление разделяет стадии: жёсткий селектор использует только усиление и задержку, после выбора локальная богатая модель реконструирует спектр. Опыты выполняются на пятисекундных фрагментах MUSDB с банком до 300 эталонов.

Результаты. Разрыв между выбранным и лучшим эталоном сокращается с 6,2–7,7 до 0,5–2,8 дБ, но итоговый выход улучшается лишь на 0,9–1,2 дБ. Лучший исправленный вариант даёт 6,93 дБ для вокала против 5,71 у DefMAP, оставаясь далеко от потолка 16,97 и OpenUnmix 11,61. При 100 эталонах локальная схема занимает 10,7 мс против 1037,2 мс у DefMAP.

Ограничения. Проверка музыкальная, а не речевая; для сопровождения преимущество не заявлено. NMF с 25 итерациями работает быстрее, 3,2 мс, и достигает 7,82 дБ против 6,11 в сопоставимой точке. При 300 эталонах 44,7 мс уже превышают окно 23 мс.

Фишка из статьи. Увеличение ёмкости реконструктора повышает недостижимый потолок, но после определённой точки ухудшает фактический выход, потому что ломает выбор.

Как это читать: дополнительные степени свободы создают 4,43 дБ потенциального запаса, но селектор поглощает весь выигрыш и в конце теряет 0,54 дБ. Выбирать и восстанавливать нужно разными моделями.