[MELODIA] Séparation de sources audio de musique à l'aide de réseau de neurones interprétables

[MELODIA] Music separation with explanatory Optimized Deep Interpretable Algorithms

• Auteur / Autrice : Dylan Sechet
• Direction : Matthieu Kowalski
• Type : Projet de thèse
• Discipline(s) : Sciences du traitement du signal et des images
• Date : Inscription en doctorat le 01/10/2025
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Laboratoire Interdisciplinaire des Sciences du Numérique
• Partenaire(s) de recherche : Equipe de recherche : A&O - Apprentissage et Optimisation
• Partenaire(s) de recherche : Référent : Faculté des sciences d'Orsay

Mots clés

Mots clés libres

IA Explicable

Apprentissage profond

Factorisation de matrices

Unrolling

Séparation aveugle de sources

Explainable AI

Deep Learning

Matrix Factorization

Blind Source Separation

Unrolling

Résumé

Ce projet vise à faire progresser la séparation des sources musicales, qui consiste à isoler des sources sonores individuelles (par exemple, la voix, les instruments) à partir d'un signal audio mixé. Bien que des modèles d'apprentissage profond tels que DEMUCS et Wave-U-Net atteignent des performances élevées, ils manquent souvent d'interprétabilité et nécessitent un réentraînement pour de nouveaux ensembles de données. Cette thèse a pour objectif de développer un cadre d'IA interprétable en intégrant des techniques telles que l'optimisation déroulée et les modèles temps-fréquence de faible rang. En exploitant la structure intrinsèque des signaux audio, cette approche vise à concevoir des algorithmes de séparation adaptatifs et explicables, capables de généraliser à divers genres musicaux. Le projet comparera ces méthodes aux modèles existants afin d'évaluer leurs performances.

This project focuses on advancing music source separation, which isolates individual sound sources (e.g., vocals, instruments) from a mixed audio signal. While deep learning models like DEMUCS and Wave-U-Net achieve high performance, they often lack interpretability and require retraining for new datasets. This project aims to develop an interpretable AI framework integrating techniques such as unrolled optimization and low-rank time-frequency models. By leveraging the inherent structure of audio signals, this approach seeks to design adaptable and explainable separation algorithms that generalize across diverse musical genres. The project will benchmark these methods against existing models to evaluate their performance.