潜在空间端到端历史音乐修复基准

研究提出一种监督式端到端管弦乐历史音乐修复（HMR）基准，通过更忠实地模拟历史录音退化链，将多乐器管弦乐修复转化为可监督问题。在合成退化数据对上训练的潜空间流匹配模型，在侵入式、非侵入式与主观评测中均优于现有 HMR 基线。团队同时发布一个 9.3 小时免授权、非配对的古典音乐测试集及代码与音频演示。

摘自 arXiv：cs.LG（机器学习，全量分类）

还没有足够的连续观测数据，暂不绘制趋势。