Transfer Learning mit Jukebox für die Musikquellentrennung

In dieser Arbeit zeigen wir, wie ein öffentlich verfügbares, vortrainiertes Jukebox-Modell für das Problem der Audio-Quellentrennung aus einem einzigen gemischten Audio-Kanal angepasst werden kann. Unsere neuronalen Netzwerkarchitektur, die Transfer-Learning nutzt, lässt sich schnell trainieren, und die Ergebnisse demonstrieren eine Leistung, die mit anderen state-of-the-art-Ansätzen vergleichbar ist, die jedoch erheblich mehr Rechenressourcen, Trainingsdaten und Trainingszeit erfordern. Wir stellen eine Open-Source-Implementierung unserer Architektur bereit (https://github.com/wzaielamri/unmix).