要約
音声強調（Speech Enhancement: SE）の性能は、深層学習モデルをベース関数として用いることにより著しく向上している。本研究では、さらにSE性能を向上させるため、知覚的コントラスト拡張（Perceptual Contrast Stretching: PCS）手法を提案する。PCSは臨界帯域重要度関数に基づいて導出され、SEモデルのターゲットを修正するために適用される。具体的には、知覚的重要性に基づいてターゲット特徴のコントラストを拡張することで、全体的なSE性能を向上させる。従来の後処理ベースの実装と比較して、PCSを学習フェーズに組み込むことで、性能の維持とオンライン計算量の削減が可能となる。特に、PCSは異なるSEモデルアーキテクチャや学習基準と組み合わせて利用可能であり、SEモデルの因果性や収束性に影響を与えない。VoiceBank-DEMANDデータセットを用いた実験結果から、本手法が因果的（PESQスコア = 3.07）および非因果的（PESQスコア = 3.35）なSEタスクにおいて、いずれも最先端の性能を達成できることを示した。