您好，我想请问一下FRCRN是如何保证因果的呢？
文章中在skip pathway处使用了CCBAM，但是CCBAM在时间维度作了池化，那么在推理过程中是如何保证因果呢？
展开
收起
2
条回答
写回答
写回答
-
为了保证推理时的因果，可以在时间维度上使用累加池化，也就是沿时间帧逐步进行池化操作，这和在Conv-TasNet论文里提出的 cumulative layer normalization (cLN)类似；或者像实现Transformer的注意力阵列一样加入时间掩蔽。
2022-11-25 11:38:49赞同 展开评论 打赏 -
凡事预则立，不预则废提出了一种卷积递归编码器-解码器结构(CRED)，以增强基于频率递归的特征表示。将频率递归应用于沿频率轴的三维卷积特征映射，并通过前馈顺序记忆网络有效地实现。FRCRN模型利用CRED捕捉长程频率相关性，利用时间循环模块捕捉时间动态。在复数域实现了FRCRN，并使用联合损失函数进行优化。FRCRN模型在宽带基准上实现了SOTA性能，并在ICASSP
2022-11-24 22:05:15赞同 展开评论 打赏
相关问答
热门讨论
热门文章
关于 Windows平台上 ttsfrd 库的问题。
1644
modelscope上跑报错，提示要pip install ttsfrd，搞不定
7655
PyTorch Transformer 英中翻译超详细教程
912
自动标注模型ttsfrd初始化失败
1085
KeyError: 'asr-inference is not in the pipelines r
1955
目录空间都删的只剩2G了，还报OSError: [Errno 122] Disk quota exc
984
个性化语音合成训练 [ONNXRuntimeError]:7:INVALID_PROTOBUF
1084
pip安装语音领域模型依赖报错。
445
No module named 'ttsfrd'
1349
在Windows平台上关于 ModelScorpe Audio 安装涉及 kwsbp 的问题
595
展开全部
