Fugu-MT 論文翻訳(概要): j-Wave: An open-source differentiable wave simulator

論文の概要: j-Wave: An open-source differentiable wave simulator

arxiv url: http://arxiv.org/abs/2207.01499v1
Date: Thu, 30 Jun 2022 16:19:21 GMT
ステータス: 処理完了
システム内更新日: 2022-07-05 17:03:20.055048
Title: j-Wave: An open-source differentiable wave simulator
Title（参考訳）: j-Wave: オープンソースの微分可能波シミュレータ
Authors: Antonio Stanziola, Simon R. Arridge, Ben T. Cox, Bradley E. Treeby
Abstract要約: 本稿では, 時間的・時間的調和的な音響問題を解くことのできる, オープンソースの微分可能な音響シミュレータ j-Wave を提案する。 j-Waveはモジュール化されたコンポーネントで構成されており、カスタマイズや再利用が容易である。
参考スコア（独自算出の注目度）: 1.7420604693654884
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present an open-source differentiable acoustic simulator, j-Wave, which can solve time-varying and time-harmonic acoustic problems. It supports automatic differentiation, which is a program transformation technique that has many applications, especially in machine learning and scientific computing. j-Wave is composed of modular components that can be easily customized and reused. At the same time, it is compatible with some of the most popular machine learning libraries, such as JAX and TensorFlow. The accuracy of the simulation results for known configurations is evaluated against the widely used k-Wave toolbox and a cohort of acoustic simulation software. j-Wave is available from https://github.com/ucl-bug/jwave.
Abstract（参考訳）: 本稿では,時間変動と時間-ハーモニックな音響問題を解決できる,オープンソースの微分可能音響シミュレータj-waveを提案する。これは自動微分をサポートし、特に機械学習や科学計算において多くの応用があるプログラム変換技術である。 j-Waveはモジュール化されたコンポーネントで構成されており、カスタマイズや再利用が容易である。同時に、JAXやTensorFlowといった、最も人気のある機械学習ライブラリとも互換性がある。広く用いられているk波ツールボックスと音響シミュレーションソフトウェアのコホートに対して, 既知の構成のシミュレーション結果の精度を評価する。 j-Waveはhttps://github.com/ucl-bug/jwaveから入手できる。

関連論文リスト

Notochord: a Flexible Probabilistic Model for Real-Time MIDI Performance [0.8192907805418583]
Notochord は構造化事象の列の深い確率モデルである。ポリフォニックおよびマルチトラックMIDIを生成し、10ミリ秒未満のレイテンシで入力に応答する。
論文参考訳（メタデータ） (2024-03-18T17:35:02Z)
One-Dimensional Deep Image Prior for Curve Fitting of S-Parameters from Electromagnetic Solvers [57.441926088870325]
Deep Image Prior(ディープ・イメージ・プライオリ、ディープ・イメージ・プライオリ、DIP)は、ランダムなd畳み込みニューラルネットワークの重みを最適化し、ノイズや過度な測定値からの信号に適合させる技術である。本稿では,Vector Fitting (VF) の実装に対して,ほぼすべてのテスト例において優れた性能を示す。
論文参考訳（メタデータ） (2023-06-06T20:28:37Z)
Slideflow: Deep Learning for Digital Histopathology with Real-Time Whole-Slide Visualization [49.62449457005743]
われわれはSlideflowと呼ばれる病理組織学のための柔軟なディープラーニングライブラリを開発した。デジタル病理学のための幅広い深層学習手法をサポートしている。トレーニングされたモデルをデプロイするための、高速な全スライドインターフェースが含まれている。
論文参考訳（メタデータ） (2023-04-09T02:49:36Z)
NeuralDPS: Neural Deterministic Plus Stochastic Model with Multiband Excitation for Noise-Controllable Waveform Generation [67.96138567288197]
本稿では,高い音声品質を保ち,高い合成効率とノイズ制御性を得ることができるニューラルDPSというニューラルボコーダを提案する。ウェーブネットのボコーダより少なくとも280倍高速な波形を生成する。また、単一コア上でのWaveGANの合成効率よりも28%高速である。
論文参考訳（メタデータ） (2022-03-05T08:15:29Z)
FL_PyTorch: optimization research simulator for federated learning [1.6114012813668934]
フェデレートラーニング(FL)は、エッジデバイスが共同で機械学習モデルを学ぶための有望なテクニックとして登場した。 FL_PyTorchはpythonで書かれたオープンソースのソフトウェアスイートで、最も人気のあるDeep Learning (DL)フレームワークであるPyTorchの上に構築されている。
論文参考訳（メタデータ） (2022-02-07T12:18:28Z)
Differentiable Wavetable Synthesis [7.585969077788285]
Differentiable Wavetable Synthesis (DWTS)は、一周期波形の辞書を学習するニューラルオーディオ合成技術である。 10から20の波長で高忠実な音声合成を実現する。入力音声のほんの数秒で、高品質なピッチシフトなどのオーディオ操作を示す。
論文参考訳（メタデータ） (2021-11-19T01:42:42Z)
Physics-Informed Machine Learning Simulator for Wildfire Propagation [0.0]
この研究は、広く使用されている気象研究と予測WRF-SFIREシミュレーターのいくつかの重要な部分を再実装する可能性を評価することである。主なプログラミング言語はJuliaである。Juliaはインタプリタ言語よりも優れたパーファマンスを提供するコンパイル言語である。
論文参考訳（メタデータ） (2020-12-12T14:13:26Z)
FBWave: Efficient and Scalable Neural Vocoders for Streaming Text-To-Speech on the Edge [49.85380252780985]
我々は、効率的でスケーラブルなニューラルボコーダ群であるFBWaveを提案する。 FBWaveは、自己回帰モデルと非自己回帰モデルの利点を組み合わせた、ハイブリッドフローベースの生成モデルである。実験の結果,FBWave は WaveRNN と同様の音質を達成でき,MAC を 40 倍削減できることがわかった。
論文参考訳（メタデータ） (2020-11-25T19:09:49Z)
WaveGrad: Estimating Gradients for Waveform Generation [55.405580817560754]
WaveGradは、データ密度の勾配を推定する波形生成の条件モデルである。ガウスのホワイトノイズ信号から始まり、メル・スペクトログラムに条件付けされた勾配に基づくサンプリング器を通じて繰り返し信号の精製を行う。 6回の反復で高忠実度音声サンプルを生成できることが判明した。
論文参考訳（メタデータ） (2020-09-02T17:44:10Z)
Real Time Speech Enhancement in the Waveform Domain [99.02180506016721]
本稿では,ラップトップCPU上でリアルタイムに動作する生波形を用いた因果音声強調モデルを提案する。提案モデルは、スキップ接続を持つエンコーダデコーダアーキテクチャに基づいている。静止ノイズや非定常ノイズを含む様々な背景ノイズを除去することができる。
論文参考訳（メタデータ） (2020-06-23T09:19:13Z)
PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
論文参考訳（メタデータ） (2020-02-13T10:33:05Z)

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。