Revisiting Input Time-frequency Representations in Multi-pitch Estimation for Vocal Ensembles

arxiv · arXiv · 2026-10-03 01:35 · 评分 74

重新审视人声合唱多音高估计中的输入时频表示。现有模型常用谐波常数Q变换（HCQT）提供频率自适应分辨率，但动态生成训练混合时特征提取成本高；论文将HCQT与替代表示进行对比，探讨更高效的输入方案。