arXiv · cs.AI· Junyoung Koh, Hao-Wen Dong·· 2 天前
人声组合多音高估计中的输入时频表示重新评估
Revisiting Input Time-frequency Representations in Multi-pitch Estimation for Vocal Ensembles
arXiv:2610.03656v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Junyoung Koh, Hao-Wen Dong
首次提交：2026-10-03 01:35
研究任务与主要进展
Junyoung Koh与Hao-Wen Dong比较了人声组合多音高估计中的线性短时傅里叶变换（STFT）和谐波恒Q变换（HCQT）输入。基于论文摘要，线性STFT尽管频率分辨率固定且没有与音高对齐的输入网格，仍优于HCQT，并显著降低特征提取成本；延长分析窗口或扩大频谱覆盖没有带来额外改进。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org