音频编解码器潜在空间中音乐带宽扩展的几何学

最近的音频恢复越来越依赖于大规模条件潜在生成模型，包括扩散、薛定谔桥和流匹配变体，以反转带宽限制或噪声等退化。我们分析了各种最先进方法的性能，与用于音乐带宽扩展的多个神经编解码器的潜在空间中的简单算术变换相比。我们表明，估计参考集上干净和退化的潜在质心之间的单个传输向量，并将其添加到退化的潜在质心中，可以产生与大型扩散模型竞争的恢复性能。这表明，首先，一些神经编解码器潜在空间表现出与音频带宽一致的结构；其次，在这种情况下，复杂的条件模型可能仅比简单的向量加法提供有限的增益。我们认为这些发现为未来的研究揭示了一条有趣的途径，模型可以利用潜在的空间结构来提供更好的训练和参数效率以及更好的整体性能。此外，我们建议将这种简单的算术变换视为音乐带宽扩展研究的基线，因为它允许评估可学习参数对恢复性能的贡献。