🧠 دیپ‌مایند روش جدیدی برای جداسازی منابع بدون نیاز به داده تمیز ارائه داده است
پژوهشگران گوگل دیپ‌مایند روشی به نام SURF (جداسازی با جریان ترکیب مجدد بدون نظارت) ابداع کرده‌اند که قادر است بدون دسترسی به نمونه‌های تمیز و مجزا، منابع مختلف را از یک فایل ترکیبی (مثلاً یک فایل صوتی) جدا کند.
🔊 مسئله جداسازی منابع چیست؟
فرض کنید یک فایل صوتی دارید که در آن همزمان صدای دو نفر شنیده می‌شود که صحبت می‌کنند. هدف این است که صدای هر نفر را به صورت جداگانه استخراج کنید. در حالت نظارت‌شده برای آموزش مدل، به صدای مجزا و بدون نویز هر گوینده نیاز داریم که تهیه آن دشوار و پرهزینه است. همچنین مدل‌های نظارت‌شده در برابر تغییر دامنه (مثلاً نوع جدیدی از نویز) آسیب‌پذیرند.
🎯 راه‌حل SURF چیست؟
روش SURF یک روش بدون نظارت است که مستقیماً از خود فایل‌های ترکیبی یاد می‌گیرد و نیازی به داده‌های تمیز و تفکیک‌شده ندارد. این روش ترکیبی نوآورانه از دو تکنیک پیشرفته است: «جریان تطبیق نظارت‌شده» و «خودنظارتی مبتنی بر رگرسیون».
به طور خلاصه، فرایند به این صورت است:
۱. یک مدل معلم (teacher) تخمین اولیه‌ای از منابع جداگانه ارائه می‌دهد.
۲. سپس این تخمین‌ها به روشی هوشمندانه دوباره با هم ترکیب می‌شوند (مرحله رمیکسینگ).
۳. از این ترکیب‌های مجدد برای آموزش یک مدل دانش‌آموز (student) استفاده می‌شود.
۴. این چرخه آنقدر تکرار می‌شود تا مدل به جداسازی دقیقی دست یابد.
نویسندگان نشان داده‌اند که این الگوریتم ارتباط نزدیکی با الگوریتم معروف Wake-Sleep در یادگیری ماشین دارد.
📊 نتایج و رکوردشکنی
ارزیابی‌ها روی بنچمارک‌های جداسازی صدا (مانند Libri2Mix، FUSS و LibriSpeech+FUSS) و همچنین روی داده‌های تصویری نشان داده است که SURF به طور قابل توجهی از تمام روش‌های بدون نظارت قبلی بهتر عمل می‌کند و رکورد جدیدی در این حوزه ثبت می‌کند. در صفحه دموی پروژه، نمونه‌های شنیداری از جداسازی موفقیت‌آمیز صداها ارائه شده است که تفاوت کیفیت را به وضوح نشان می‌دهد.
🔗 منابع:
- صفحه دموی پروژه SURF
- مقاله کامل در arXiv:2606.04921
این مقاله در کنفرانس معتبر ICML 2026 پذیرفته شده است.
#DeepMind #AudioProcessing #SourceSeparation #UnsupervisedLearning #ICML2026
🆔 @asrgooyeshpardaz
پژوهشگران گوگل دیپ‌مایند روشی به نام SURF (جداسازی با جریان ترکیب مجدد بدون نظارت) ابداع کرده‌اند که قادر است بدون دسترسی به نمونه‌های تمیز و مجزا، منابع مختلف را از یک فایل ترکیبی (مثلاً یک فایل صوتی) جدا کند.
🔊 مسئله جداسازی منابع چیست؟
فرض کنید یک فایل صوتی دارید که در آن همزمان صدای دو نفر شنیده می‌شود که صحبت می‌کنند. هدف این است که صدای هر نفر را به صورت جداگانه استخراج کنید. در حالت نظارت‌شده برای آموزش مدل، به صدای مجزا و بدون نویز هر گوینده نیاز داریم که تهیه آن دشوار و پرهزینه است. همچنین مدل‌های نظارت‌شده در برابر تغییر دامنه (مثلاً نوع جدیدی از نویز) آسیب‌پذیرند.
🎯 راه‌حل SURF چیست؟
روش SURF یک روش بدون نظارت است که مستقیماً از خود فایل‌های ترکیبی یاد می‌گیرد و نیازی به داده‌های تمیز و تفکیک‌شده ندارد. این روش ترکیبی نوآورانه از دو تکنیک پیشرفته است: «جریان تطبیق نظارت‌شده» و «خودنظارتی مبتنی بر رگرسیون».
به طور خلاصه، فرایند به این صورت است:
۱. یک مدل معلم (teacher) تخمین اولیه‌ای از منابع جداگانه ارائه می‌دهد.
۲. سپس این تخمین‌ها به روشی هوشمندانه دوباره با هم ترکیب می‌شوند (مرحله رمیکسینگ).
۳. از این ترکیب‌های مجدد برای آموزش یک مدل دانش‌آموز (student) استفاده می‌شود.
۴. این چرخه آنقدر تکرار می‌شود تا مدل به جداسازی دقیقی دست یابد.
نویسندگان نشان داده‌اند که این الگوریتم ارتباط نزدیکی با الگوریتم معروف Wake-Sleep در یادگیری ماشین دارد.
📊 نتایج و رکوردشکنی
ارزیابی‌ها روی بنچمارک‌های جداسازی صدا (مانند Libri2Mix، FUSS و LibriSpeech+FUSS) و همچنین روی داده‌های تصویری نشان داده است که SURF به طور قابل توجهی از تمام روش‌های بدون نظارت قبلی بهتر عمل می‌کند و رکورد جدیدی در این حوزه ثبت می‌کند. در صفحه دموی پروژه، نمونه‌های شنیداری از جداسازی موفقیت‌آمیز صداها ارائه شده است که تفاوت کیفیت را به وضوح نشان می‌دهد.
🔗 منابع:
- صفحه دموی پروژه SURF
- مقاله کامل در arXiv:2606.04921
این مقاله در کنفرانس معتبر ICML 2026 پذیرفته شده است.
#DeepMind #AudioProcessing #SourceSeparation #UnsupervisedLearning #ICML2026
🆔 @asrgooyeshpardaz
arXiv.org
SURF: Separation via Unsupervised Remixing Flow
The goal of single-channel source separation is to reconstruct $K$ sources given their mixture. In supervised settings where vast amounts of clean source data are available, this challenging,...
❤1👍1