Defesa de Dissertação de Mestrado do aluno Arthur Costa Serra
Título da dissertação: Reconstrução de músicas altamente degradadas usando modelos de aprendizado profundo
Resumo: A degradação da qualidade do áudio pode ter muitas causas. Para aplicações musicais, esta fragmentação pode levar a experiências altamente desagradáveis. Algoritmos de restauração podem ser empregados para reconstruir partes do áudio de forma semelhante à reconstrução da imagem, em uma abordagem chamada \textit{Audio Inpainting}. Os métodos atuais de última geração para \textit{Audio Inpainting} cobrem cenários limitados, com janelas de intervalo bem definidas e pouca variedade de gêneros musicais. Neste trabalho, propomos um método baseado em aprendizado profundo para \textit{Audio Inpainting} acompanhado por um conjunto de dados com condições de fragmentação aleatórias que se aproximam de situações reais de deficiência. O conjunto de dados foi coletado utilizando faixas de diferentes gêneros musicais, o que proporciona uma boa variabilidade de sinal. Nosso melhor modelo melhorou a qualidade de todos os gêneros musicais, obtendo uma média de 13,1 dB de PSNR, embora tenha funcionado melhor para gêneros musicais nos quais os instrumentos acústicos são predominantes.
Orientador: Prof. Dr. Sérgio Colcher
Banca:
Prof. Dr. Julio Cesar Duarte
Prof. Dr. Edward Hermann Haeusler
Prof. Dr. Sergio Lifschitz
Acompanhe-nos pelo link: https://puc-rio.zoom.us/j/97813956133?pwd=Z2hLY0JNVTFiRXo3dkJVSkRMa0JVQT09