基于跳跃连接注意力网络的音乐分离

在对音乐进行歌声与伴奏分离过程中,基于卷积编解码的分离模型虽然在一定程度上提升了分离效果,但网络存在丢失信息的问题。为了解决这个问题,提出一种有效的歌声与伴奏分离的模型。传统方法指的是非深度学习模型,本文在基于深度学习模型的基础上进行改进,通过在卷积编解码器的跳跃连接部分加入注意力机制,解决了网络丢失重要信息的问题,提高了分离性能。在开源数据集MUSDB18上进行验证,结果表明所提的模型分离效果良好。