Coding-based Informed Source Separation: Nonnegative Tensor Factorization Approach - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Reports (Research Report) Year : 2012

Coding-based Informed Source Separation: Nonnegative Tensor Factorization Approach

Abstract

Informed source separation (ISS) aims at reliably recovering sources from a mixture. To this purpose, it relies on the assumption that the original sources are available during an encoding stage. Given both sources and mixture, a side-information may be computed and transmitted along with the mixture, whereas the original sources are forgotten. During a decoding stage, both mixture and side-information are processed to recover the sources. Most ISS techniques proposed so far rely on a source separation strategy and cannot achieve better results than oracle estimators. In this study, we introduce Coding-based ISS (CISS) and draw the connection between ISS and source coding. CISS amounts to encode the sources using not only a model as in source coding but also the observation of the mixture. This strategy has several advantages. First, it can reach any quality, provided sufficient bandwidth is available as in source coding. Second, it makes use of the mixture in order to reduce the bitrate required to transmit the sources, as in classical ISS. Furthermore, we introduce Nonnegative Tensor Factorization as a very efficient model for CISS and report rate-distortion results that strongly outperform the state of the art.
La séparation de sources informée (ISS) vise à extraire de manière fiable des sources à partir d'un mélange. Pour atteindre cet objectif, elle exploite l'hypothèse que les sources originales sont disponibles lors d'une étape dite d'encodage. Connaissant les sources et le mélange, une information annexe peut alors être calculée et transmise conjointement avec le mélange, tandis que les sources originales sont oubliées. Dans une seconde étape de décodage, le mélange et l'information annexe sont traités conjointement afin d'extraire les sources. La plupart des techniques d'ISS proposées jusqu'à présent s'appuient sur une stratégie de séparation de sources et leurs performances sont donc limitées par celles des estimateurs oracle. Dans cette étude, nous introduisons l'ISS de type codage (CISS) et nous établissons le lien entre ISS et codage de source. L'approche CISS consiste à encoder les sources en utilisant non seulement un modèle comme en codage de source, mais également l'observation du mélange. Cette stratégie présente plusieurs avantages. Premièrement, elle permet d'atteindre n'importe quel niveau de qualité, pourvu qu'une largeur de bande suffisante soit disponible, comme en codage de source. Deuxièmement, elle prend en compte le mélange afin de réduire le débit requis pour transmettre les sources, comme en ISS classique. Enfin, nous montrons que la Factorisation Tensorielle Non-négative s'avère être un modèle très efficace de CISS et nous présentons des résultats en terme de débit-distorsion qui surpassent largement l'état de l'art.
Fichier principal
Vignette du fichier
deprecated_report.pdf (17.67 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-00734022 , version 1 (20-09-2012)
hal-00734022 , version 2 (21-09-2012)
hal-00734022 , version 3 (04-10-2013)

Identifiers

  • HAL Id : hal-00734022 , version 3

Cite

Alexey Ozerov, Antoine Liutkus, Roland Badeau, Gael Richard. Coding-based Informed Source Separation: Nonnegative Tensor Factorization Approach. [Research Report] 2012, pp.18. ⟨hal-00734022v3⟩
316 View
251 Download

Share

Gmail Facebook Twitter LinkedIn More