論文の概要: A data acquisition setup for data driven acoustic design
- arxiv url: http://arxiv.org/abs/2109.12014v1
- Date: Fri, 24 Sep 2021 15:20:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-27 14:00:04.683222
- Title: A data acquisition setup for data driven acoustic design
- Title（参考訳）: データ駆動音響設計のためのデータ取得設定
- Authors: Romana Rust, Achilleas Xydis, Kurt Heutschi, Nathana\"el Perraudin,
Gonzalo Casas, Chaoyu Du, J\"urgen Strauss, Kurt Eggenschwiler, Fernando
Perez-Cruz, Fabio Gramazio, Matthias Kohler
- Abstract要約: 本研究では, 拡散面構造と音響特性の関係について, 新たな学際的アプローチを提案する。
計算設計を用いて、表面構造は反復的に生成され、1:10スケールで3Dプリントされる。
自動化されたロボットプロセスは、マイクロフォンとスピーカーを複数の場所に配置することで、これらの表面のインパルス応答を測定する。
- 参考スコア（独自算出の注目度）: 47.46576747982182
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a novel interdisciplinary approach to study the
relationship between diffusive surface structures and their acoustic
performance. Using computational design, surface structures are iteratively
generated and 3D printed at 1:10 model scale. They originate from different
fabrication typologies and are designed to have acoustic diffusion and
absorption effects. An automated robotic process measures the impulse responses
of these surfaces by positioning a microphone and a speaker at multiple
locations. The collected data serves two purposes: first, as an exploratory
catalogue of different spatio-temporal-acoustic scenarios and second, as data
set for predicting the acoustic response of digitally designed surface
geometries using machine learning. In this paper, we present the automated data
acquisition setup, the data processing and the computational generation of
diffusive surface structures. We describe first results of comparative studies
of measured surface panels and conclude with steps of future research.
- Abstract（参考訳）: 本稿では,拡散面構造と音響特性の関係を研究するための新しい学際的手法を提案する。
計算設計により、表面構造は反復的に生成され、1:10モデルスケールで3dプリントされる。
これらは異なる製造形態から派生し、音響拡散と吸収効果を持つように設計されている。
自動化されたロボットプロセスは、マイクロフォンとスピーカーを複数の場所に配置することで、これらの表面のインパルス応答を測定する。
収集されたデータは2つの目的を果たす: まず、異なる時空間音響シナリオの探索的カタログとして、そして次に、機械学習を用いてデジタル設計された表面ジオメトリの音響応答を予測するデータセットとして。
本稿では,自動データ取得装置,データ処理,および拡散曲面構造の計算生成について述べる。
測定した表面パネルの比較研究の最初の結果と今後の研究の歩みを述べる。
関連論文リスト
- Flatten Anything: Unsupervised Neural Surface Parameterization [76.4422287292541]
本研究では,FAM(Flatten Anything Model)を導入し,グローバルな自由境界面パラメータ化を実現する。
従来の手法と比較して,FAMは接続情報を活用することなく,個別の面上で直接動作する。
当社のFAMは前処理を必要とせずに完全に自動化されており,高度に複雑なトポロジを扱うことができる。
論文 参考訳（メタデータ） (2024-05-23T14:39:52Z) - Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark [65.79402756995084]
Real Acoustic Fields (RAF)は、複数のモードから実際の音響室データをキャプチャする新しいデータセットである。
RAFは密集した室内音響データを提供する最初のデータセットである。
論文 参考訳（メタデータ） (2024-03-27T17:59:56Z) - Stochastic Geometry Models for Texture Synthesis of Machined Metallic Surfaces: Sandblasting and Milling [0.7673339435080445]
視覚面検査システムのためのトレーニング欠陥検出アルゴリズムには,大規模かつ代表的なトレーニングデータが必要である。
テクスチャ合成モデルを用いて微小な表面トポグラフィーをモデル化するデジタルツインが必要である。
論文 参考訳（メタデータ） (2024-03-20T09:27:49Z) - Urban Sound Propagation: a Benchmark for 1-Step Generative Modeling of Complex Physical Systems [8.04779839951237]
本稿では,速度と物理的正確性の観点から,1ステップの推論モデルの評価のためのベンチマークを示す。
本ベンチマークは, 都市環境における音源からの波動の2次元伝播をモデル化する, 物理的に複雑で実用的な作業に基づくものである。
我々は100kのサンプルを用いて,各サンプルがOpenStreetmapから引き出された実2次元ビルディングマップとパラメータ化された音源と,与えられたシーンに対する模擬地上真実音の伝搬からなるデータセットを提供する。
論文 参考訳（メタデータ） (2024-03-16T11:38:58Z) - Novel-View Acoustic Synthesis [140.1107768313269]
本稿では,NVASタスクについて紹介する。
音源の視点で観測された視界と音から 見えない対象の視点から そのシーンの音を合成できるか?
空間内の任意の点の音を合成することを学ぶ視覚誘導音響合成(ViGAS)ネットワークを提案する。
論文 参考訳（メタデータ） (2023-01-20T18:49:58Z) - Fully Automated End-to-End Fake Audio Detection [57.78459588263812]
本稿では,完全自動エンドツーエンド音声検出手法を提案する。
まず、wav2vec事前学習モデルを用いて、音声の高レベル表現を得る。
ネットワーク構造には, Light-DARTS という異種アーキテクチャサーチ (DARTS) の修正版を用いる。
論文 参考訳（メタデータ） (2022-08-20T06:46:55Z) - Few-Shot Audio-Visual Learning of Environment Acoustics [89.16560042178523]
室内インパルス応答 (RIR) 関数は、周囲の物理的環境がリスナーが聴く音をどう変換するかをキャプチャする。
我々は、空間で観測された画像とエコーのスパースセットに基づいて、RIRを推測する方法を探る。
3次元環境のための最先端オーディオ視覚シミュレータを用いた実験において,本手法が任意のRIRを生成できることを実証した。
論文 参考訳（メタデータ） (2022-06-08T16:38:24Z) - A Machine-learning Framework for Acoustic Design Assessment in Early
Design Stages [0.0]
本稿では,一般的な室内音響パラメータを近似する機械学習(ML)の動作プロトタイプを提案する。
提案モデルの訓練と試験には,2916の異なる構成の1部屋の音響シミュレーションからなる新しいデータセットを用いる。
MLモデルの平均誤差は1%から3%であり、検証プロセス後の新しい予測サンプルの平均誤差は2%から12%である。
論文 参考訳（メタデータ） (2021-09-14T06:04:27Z) - Using growth transform dynamical systems for spatio-temporal data
sonification [9.721342507747158]
有意義な音声シグネチャで情報を符号化するソニフィケーションは、人間のループ内決定のための従来の可視化手法の強化や置き換えにいくつかの利点がある。
本稿では,複雑な成長変換力学系モデルを用いて高次元データを音化するための新しい枠組みを提案する。
本アルゴリズムは,学習タスクや予測タスクの根底にあるデータと最適化パラメータを入力として,ユーザが定義した心理パラメータと組み合わせる。
論文 参考訳（メタデータ） (2021-08-21T16:25:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。