Flash-CQT 论文:CQT 变换往返耗时降至 1/2-1/8,显存省 30%
drscotthawley · x · 2026-10-01
arXiv 论文《Exact Factorisation and Fast Computation of Invertible Constant-Q Transforms》(Franchino、Moliner、Välimäki,投稿 ICASSP 2027)提出 Flash-CQT,解决 CQT 在 GPU 上计算低效的问题。
- 背景:恒 Q 变换(CQT)在对数频率轴上表示音频,其非平稳 Gabor 形式虽可精确逆变换,但各频带时间系数数量不等,难以高效 GPU 计算。
- 方法:通过精确因式分解,把谱选择、共轭、加窗与重排序合并为「一个打包傅里叶变换 + 更短的各频带逆变换」之间的固定映射,支持波形重建、反向传播所需的真实伴随算子,重叠切片可实现有界内存的流式处理。
- 结果:在两款 GPU 上,分析-合成往返时间较基线降低 2-8 倍,峰值临时显存减少超 30%,单精度下重建误差可忽略(SNR 约 130 dB)。
- 意义:为音频频谱分析和现代音频机器学习系统提供了实用的计算高效前端。
「研究」频道最新
- KLS 猜想部分攻克:arXiv 论文核心思路由 AI 生成 — burny_tech · 2026-10-01
- 牛顿法求解开普勒方程:好、坏与丑的三种结局 — burny_tech · 2026-10-01
- 从临床风险预测到核聚变控制:同一套生存分析数学的跨界之旅 — nagpalchirag · 2026-10-01
- 用 AlphaFold 解释「同构映射」:AI 为何能破解蛋白质折叠难题 — contrascript · 2026-10-01
- 学界提议用「挑战赛+共享评测」取代灌水会议论文 — micoolcho · 2026-10-01
- 分层差分注意力提升医学 ViT 鉴别诊断能力 — PTenigma · 2026-10-01