論文の概要: A Physics-Informed Neural Network-Based Approach for the Spatial Upsampling of Spherical Microphone Arrays
- arxiv url: http://arxiv.org/abs/2407.18732v1
- Date: Fri, 26 Jul 2024 13:35:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-29 13:21:06.308349
- Title: A Physics-Informed Neural Network-Based Approach for the Spatial Upsampling of Spherical Microphone Arrays
- Title（参考訳）: 物理インフォームドニューラルネットワークによる球面マイクロホンアレイの空間的アップサンプリング
- Authors: Federico Miotello, Ferdinando Terminiello, Mirco Pezzoli, Alberto Bernardini, Fabio Antonacci, Augusto Sarti,
- Abstract要約: 球面マイクロホンアレイを限られた数のカプセルで空間的にアップサンプリングする方法を提案する。
提案手法は,Rowdyアクティベーション機能を備えた物理インフォームニューラルネットワークを利用して,物理制約を利用して高次マイクロホンアレイ信号を提供する。
- 参考スコア（独自算出の注目度）: 40.98027720342511
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Spherical microphone arrays are convenient tools for capturing the spatial characteristics of a sound field. However, achieving superior spatial resolution requires arrays with numerous capsules, consequently leading to expensive devices. To address this issue, we present a method for spatially upsampling spherical microphone arrays with a limited number of capsules. Our approach exploits a physics-informed neural network with Rowdy activation functions, leveraging physical constraints to provide high-order microphone array signals, starting from low-order devices. Results show that, within its domain of application, our approach outperforms a state of the art method based on signal processing for spherical microphone arrays upsampling.
- Abstract（参考訳）: 球面マイクロホンアレイは、音場の空間特性を捉えるのに便利なツールである。
しかし、より優れた空間分解能を達成するには、多数のカプセルを持つアレイが必要であり、結果として高価な装置へと繋がる。
この問題に対処するために,球面マイクロホンアレイを限られた数のカプセルで空間的にアップサンプリングする手法を提案する。
提案手法は,Rowdyアクティベーション機能を備えた物理インフォームニューラルネットワークを利用して,低次デバイスから始まる高次マイクロホンアレイ信号を提供する。
その結果,本手法は応用分野において,球面マイクロホンアレイのアップサンプリングのための信号処理に基づく最先端手法よりも優れていることがわかった。
関連論文リスト
- HARP: A Large-Scale Higher-Order Ambisonic Room Impulse Response Dataset [0.6568378556428859]
このコントリビューションでは、Image Source Methodを使って作成した7階のAmbisonic Room Impulse Responses (HOA-RIRs) のデータセットが導入されている。
より高階のアンビニクスを用いることで、我々のデータセットは正確な空間的オーディオ再生を可能にする。
提示された64マイクロフォン構成により、球高調波領域で直接RIRをキャプチャできる。
論文 参考訳（メタデータ） (2024-11-21T15:16:48Z) - Array2BR: An End-to-End Noise-immune Binaural Audio Synthesis from Microphone-array Signals [31.30005077444649]
本稿では、マイクロホンアレイ信号から、Array2BRと略される新しいエンドツーエンドノイズ免疫合成フレームワークを提案する。
従来の手法と比較して,提案手法は客観的評価と主観的評価の両点において優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-08T06:55:35Z) - Neural Gaussian Scale-Space Fields [60.668800252986976]
任意の信号の連続的異方性ガウススケール空間を効率よく学習する手法を提案する。
我々の手法は自己指導的であり、訓練は手作業によるフィルタリングを必要としない。
我々のニューラルガウススケール空間場は、幅広いモダリティの多スケール表現を忠実に捉えている。
論文 参考訳（メタデータ） (2024-05-31T16:26:08Z) - A Novel Micro-Doppler Coherence Loss for Deep Learning Radar Applications [1.099532646524593]
本稿では,入力と出力間のマイクロドップラー振動成分の正規化パワーが一致した場合に,マイクロドップラーコヒーレンス損失を最小化する。
実データを用いた実験により、導入した損失の応用により、モデルがノイズに対してより弾力性を持つことを示す。
論文 参考訳（メタデータ） (2024-04-12T08:11:07Z) - Adaptive Shells for Efficient Neural Radiance Field Rendering [92.18962730460842]
本稿では, 表面および表面のレンダリングを円滑に遷移させるニューラル放射率の定式化を提案する。
我々の手法は、非常に高い忠実度で効率的なレンダリングを可能にする。
また,抽出したエンベロープは,アニメーションやシミュレーションなどの下流アプリケーションを可能にすることを示す。
論文 参考訳（メタデータ） (2023-11-16T18:58:55Z) - Bosonic field digitization for quantum computers [62.997667081978825]
我々は、離散化された場振幅ベースで格子ボゾン場の表現に対処する。
本稿では,エラースケーリングを予測し,効率的な量子ビット実装戦略を提案する。
論文 参考訳（メタデータ） (2021-08-24T15:30:04Z) - Neural Network-based Virtual Microphone Estimator [111.79608275698274]
ニューラルネットワークを用いた仮想マイクロホン推定器(NN-VME)を提案する。
NN-VMEは、最近の時間領域ニューラルネットワークの正確な推定能力を利用して、仮想マイクロホン信号を時間領域内で直接推定する。
CHiME-4コーパスの実験結果から,提案したNN-VMEは実録音においても高い仮想マイクロホン推定性能が得られることが示された。
論文 参考訳（メタデータ） (2021-01-12T06:30:24Z) - Scene-Agnostic Multi-Microphone Speech Dereverberation [47.735158037490834]
本稿では,数と位置が不明なマイクロホンアレイに対処可能なNNアーキテクチャを提案する。
提案手法は,残響対数スペクトルを向上するアーキテクチャを設計するために,集合構造データの深層学習を活用している。
論文 参考訳（メタデータ） (2020-10-22T17:13:12Z) - Sound field reconstruction in rooms: inpainting meets super-resolution [1.0705399532413618]
音場再構成のためのディープラーニング手法を提案する。
この方法は、シミュレーションデータのみに基づいてトレーニングされた部分的畳み込みを備えたU-netのようなニューラルネットワークに基づいている。
実聴室でのシミュレーションデータと実験検証を併用した実験を行った。
論文 参考訳（メタデータ） (2020-01-30T11:31:59Z)
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。