SPGM：局所特徴の優先化による音声分離性能の向上

双パス（Dual-path）は、音声分離モデル（例：Sepformer）において広く用いられるアーキテクチャであり、長時間の音声系列を重複するチャンクに分割し、各チャンク内の局所的特徴（intra-chunk local features）とチャンク間のグローバルな関係（inter-chunk global relationships）を別々にモデル化する。しかし、実際の検証において、モデル全体のパラメータの半分を占める「インターブロック（inter-blocks）」が性能向上にほとんど寄与しないことが明らかになった。この問題に対処するために、我々はインターブロックを置き換える「シングルパス・グローバルモジュレーション（Single-Path Global Modulation: SPGM）」ブロックを提案する。SPGMは、パラメータを一切持たないグローバルプーリングモジュールと、モデル全体のパラメータのわずか2％のみを占めるモジュレーションモジュールから構成される構造に由来する。SPGMブロックにより、モデル内のすべてのTransformer層が局所的特徴のモデリングに専念可能となり、全体としてシングルパス構造を実現する。SPGMは、WSJ0-2Mixにおいて22.1 dBのSI-SDRi、Libri2Mixでは20.4 dBのSI-SDRiを達成し、それぞれSepformerを0.5 dBおよび0.3 dB上回る性能を発揮。また、パラメータ数が最大で8倍少ないにもかかわらず、最近の最先端（SOTA）モデルと同等の性能を実現した。モデルおよび重みは、Hugging Face（huggingface.co/yipjiaqi/spgm）にて公開されている。