論文の概要: Room-acoustic simulations as an alternative to measurements for audio-algorithm evaluation

• arxiv url: http://arxiv.org/abs/2509.05175v1
• Date: Fri, 05 Sep 2025 15:22:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-08 14:27:25.632391
• Title: Room-acoustic simulations as an alternative to measurements for audio-algorithm evaluation
• Title（参考訳）: 音響アルゴリズム評価のための室内音響シミュレーション
• Authors: Georg Götz, Daniel Gert Nielsen, Steinar Guðjónsson, Finnur Pind,
• Abstract要約: 評価データセットは、コストと時間のかかる測定に依存するため、サイズと多様性に制限されることが多い。 本稿では,室内音響シミュレーションを用いてASP/AMLアルゴリズムの評価を行う。
• 参考スコア（独自算出の注目度）: 0.9332987715848714
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Audio-signal-processing and audio-machine-learning (ASP/AML) algorithms are ubiquitous in modern technology like smart devices, wearables, and entertainment systems. Development of such algorithms and models typically involves a formal evaluation to demonstrate their effectiveness and progress beyond the state-of-the-art. Ideally, a thorough evaluation should cover many diverse application scenarios and room-acoustic conditions. However, in practice, evaluation datasets are often limited in size and diversity because they rely on costly and time-consuming measurements. This paper explores how room-acoustic simulations can be used for evaluating ASP/AML algorithms. To this end, we evaluate three ASP/AML algorithms with room-acoustic measurements and data from different simulation engines, and assess the match between the evaluation results obtained from measurements and simulations. The presented investigation compares a numerical wave-based solver with two geometrical acoustics simulators. While numerical wave-based simulations yielded similar evaluation results as measurements for all three evaluated ASP/AML algorithms, geometrical acoustic simulations could not replicate the measured evaluation results as reliably.
• Abstract（参考訳）: オーディオ信号処理とオーディオ機械学習(ASP/AML)アルゴリズムは、スマートデバイス、ウェアラブル、エンターテイメントシステムといった現代的な技術で広く使われている。 このようなアルゴリズムやモデルの開発は、通常、その有効性と進歩を最先端を超えて示すための形式的な評価を伴う。 理想的には、徹底的な評価は、様々なアプリケーションシナリオとルーム音響条件をカバーするべきである。 しかし、実際には、評価データセットはコストと時間のかかる測定に依存するため、サイズと多様性に制限されることが多い。 本稿では,室内音響シミュレーションを用いてASP/AMLアルゴリズムの評価を行う。 そこで本研究では,室内音響測定と異なるシミュレーションエンジンのデータを用いた3つのASP/AMLアルゴリズムの評価を行い,測定結果とシミュレーション結果との一致を評価した。 本研究は2つの幾何音響シミュレータと数値波を用いた解法を比較した。 数値波動シミュレーションは、ASP/AMLの3つの評価アルゴリズムすべてに対して、同様の評価結果を得たが、幾何音響シミュレーションでは測定結果を確実に再現できなかった。

関連論文リスト

• Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
  データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。 科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。 本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
  論文  参考訳（メタデータ） (2024-12-10T11:50:46Z)
• Compositional simulation-based inference for time series [21.9975782468709]
  シミュレーションデータに基づいてニューラルネットワークをトレーニングし、ベイズ推論を実行する方法。 シミュレータは、時間とともに何千もの単一状態遷移を通して現実世界のダイナミクスをエミュレートする。 本研究では,個々の状態遷移に整合したパラメータを局所的に同定することで,マルコフシミュレータを活用できるSBI手法を提案する。
  論文  参考訳（メタデータ） (2024-11-05T01:55:07Z)
• Bayesian Inference of General Noise Model Parameters from Surface Code's Syndrome Statistics [0.0]
  表面符号のテンソルネットワークシミュレータを統合する一般雑音モデルベイズ推論法を提案する。 雑音パラメータが一定であり変化しない定常雑音に対しては,マルコフ連鎖モンテカルロに基づく手法を提案する。 より現実的な状況である時間変化ノイズに対しては、シーケンシャルなモンテカルロに基づく別の手法を導入する。
  論文  参考訳（メタデータ） (2024-06-13T10:26:04Z)
• Testing of Hybrid Quantum-Classical K-Means for Nonlinear Noise Mitigation [9.502161131265531]
  量子k平均クラスタリングは、古典的なk平均アルゴリズムの高速化を約束する。 現在、古典データの埋め込みのため、このスピードアップは提供されていないことが示されている。 本研究は、ブロッホ球面への埋め込みの改善として一般化された逆立体射影を提案する。
  論文  参考訳（メタデータ） (2023-08-07T12:38:37Z)
• Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
  本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。 認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。 我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-07-14T03:15:56Z)
• Synthetic Data-Based Simulators for Recommender Systems: A Survey [55.60116686945561]
  本調査は,モデリングとシミュレーションの分野における最近のトレンドを包括的に概観することを目的としている。 まずは、シミュレーターを実装するフレームワークの開発の背後にあるモチベーションから始めます。 我々は,既存のシミュレータの機能,近似,産業的有効性に基づいて,新しい一貫した一貫した分類を行う。
  論文  参考訳（メタデータ） (2022-06-22T19:33:21Z)
• Scalable Intervention Target Estimation in Linear Models [52.60799340056917]
  因果構造学習への現在のアプローチは、既知の介入目標を扱うか、仮説テストを使用して未知の介入目標を発見する。 本稿では、全ての介入対象を一貫して識別するスケーラブルで効率的なアルゴリズムを提案する。 提案アルゴリズムは、与えられた観測マルコフ同値クラスを介入マルコフ同値クラスに更新することも可能である。
  論文  参考訳（メタデータ） (2021-11-15T03:16:56Z)
• 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)
• A User's Guide to Calibrating Robotics Simulators [54.85241102329546]
  本稿では,シミュレーションで学習したモデルやポリシーを現実世界に伝達することを目的とした,様々なアルゴリズムの研究のためのベンチマークとフレームワークを提案する。 我々は、様々なアルゴリズムの性能に関する洞察を特徴付け、提供するために、広く知られたシミュレーション環境の実験を行う。 我々の分析は、この分野の実践者にとって有用であり、sim-to-realアルゴリズムの動作と主特性について、より深い選択をすることができる。
  論文  参考訳（メタデータ） (2020-11-17T22:24:26Z)

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。