論文の概要: Surface impedance inference via neural fields and sparse acoustic data obtained by a compact array

• arxiv url: http://arxiv.org/abs/2602.11425v1
• Date: Wed, 11 Feb 2026 22:56:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.568305
• Title: Surface impedance inference via neural fields and sparse acoustic data obtained by a compact array
• Title（参考訳）: 小型アレイによるニューラルネットワークとスパース音響データによる表面インピーダンス推定
• Authors: Yuanxin Xia, Xinyan Li, Matteo Calafà, Allan P. Engsig-Karup, Cheol-Ho Jeong,
• Abstract要約: 本研究では, 局所的, 近地的ブロードバンド音場をスパース圧力サンプルから再構成する物理インフォームニューラルネットワークを提案する。 並列多周波アーキテクチャは、数秒から数分の順序でランタイム内でブロードバンドインピーダンスの検索を可能にする。 ここで,本手法は,建築・自動車音響のペンヒン・シチュー境界条件を特徴付ける頑健な手法であることを示す。
• 参考スコア（独自算出の注目度）: 2.0687656230706155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Standardized laboratory characterizations for absorbing materials rely on idealized sound field assumptions, which deviate largely from real-life conditions. Consequently, \emph{in-situ} acoustic characterization has become essential for accurate diagnosis and virtual prototyping. We propose a physics-informed neural field that reconstructs local, near-surface broadband sound fields from sparse pressure samples to directly infer complex surface impedance. A parallel, multi-frequency architecture enables a broadband impedance retrieval within runtimes on the order of seconds to minutes. To validate the method, we developed a compact microphone array with low hardware complexity. Numerical verifications and laboratory experiments demonstrate accurate impedance retrieval with a small number of sensors under realistic conditions. We further showcase the approach in a vehicle cabin to provide practical guidance on measurement locations that avoid strong interference. Here, we show that this approach offers a robust means of characterizing \emph{in-situ} boundary conditions for architectural and automotive acoustics.
• Abstract（参考訳）: 物質を吸収するための標準的な実験室のキャラクタリゼーションは、現実の環境から大きく逸脱する理想化された音場仮定に依存している。 その結果, 正確な診断と仮想プロトタイピングには, 音響的特徴が欠かせないものとなった。 本研究では, 局所的, 近地的ブロードバンド音場をスパース圧力試料から再構成し, 複素表面インピーダンスを直接推定する物理インフォームドニューラルネットワークを提案する。 並列多周波アーキテクチャは、数秒から数分の順序でランタイム内でブロードバンドインピーダンスの検索を可能にする。 提案手法を検証するため,ハードウェアの複雑度が低いマイクロホンアレイを開発した。 数値検証と実験室実験は、現実的な条件下で少数のセンサーで精度の高いインピーダンス検索を実証した。 さらに車室内でのアプローチを実演し、強い干渉を避けるための計測位置に関する実践的なガイダンスを提供する。 ここで,本手法は,建築・自動車音響における 'emph{in-situ} 境界条件を特徴付ける頑健な手段であることを示す。

関連論文リスト

• Reciprocal Latent Fields for Precomputed Sound Propagation [0.6474760227870046]
  本稿では、音響パラメータの符号化と予測のためのメモリ効率の高いフレームワークであるReciprocal Latent Fields (RLF)を紹介する。 RLFは、メモリフットプリントを桁違いに削減しつつ、複製品質を維持していることを示す。
  論文  参考訳（メタデータ） (2026-02-06T18:31:11Z)
• Gaussian Process Regression of Steering Vectors With Physics-Aware Deep Composite Kernels for Augmented Listening [0.7778724782015985]
  本稿では、マイクロホンの周波数と位置に対するステアリングベクトルの連続表現と拡張リスニングのための音源について検討する。 指向性波動とそれに続く散乱効果をモデル化した物理対応複合カーネルを提案する。
  論文  参考訳（メタデータ） (2025-08-20T09:29:14Z)
• Seismic Acoustic Impedance Inversion Framework Based on Conditional Latent Generative Diffusion Model [17.677087517318988]
  本研究では, 条件付き遅延生成拡散モデルに基づく新しい耐震性インバージョンフレームワークを提案する。 提案手法は,数段の拡散ステップで高い反転精度と強い一般化能力が得られることを示す。
  論文  参考訳（メタデータ） (2025-06-16T14:19:40Z)
• EvMic: Event-based Non-contact sound recovery from effective spatial-temporal modeling [69.96729022219117]
  音波が物体にぶつかると、高周波で微妙な視覚変化をもたらす振動を誘発する。 イベントカメラハードウェアの最近の進歩は、その視覚的聴覚回復への応用に有益であることを示している。 イベントストリームからの時空間情報を完全に活用した,非接触音の回復のための新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-04-03T08:51:17Z)
• 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)
• Neural Acoustic Context Field: Rendering Realistic Room Impulse Response With Neural Fields [61.07542274267568]
  このレターでは、音声シーンをパラメータ化するためのNACFと呼ばれる新しいニューラルネットワークコンテキストフィールドアプローチを提案する。 RIRのユニークな性質により、時間相関モジュールとマルチスケールエネルギー崩壊基準を設計する。 実験の結果,NACFは既存のフィールドベース手法よりも顕著なマージンで優れていた。
  論文  参考訳（メタデータ） (2023-09-27T19:50:50Z)
• Deep Impulse Responses: Estimating and Parameterizing Filters with Deep Networks [76.830358429947]
  高雑音および地中設定におけるインパルス応答推定は難しい問題である。 本稿では,ニューラル表現学習の最近の進歩に基づいて,インパルス応答のパラメータ化と推定を行う新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T18:57:23Z)
• Near field Acoustic Holography on arbitrary shapes using Convolutional Neural Network [9.1673176404097]
  近接場音響ホログラフィーは, 構造物の振動速度場を音響測定により推定することを目的としたよく知られた問題である。 畳み込みニューラルネットワーク(CNN)に基づくNAH手法を提案する。 提案手法は,提案手法を合成した地中真実と最新技術との比較により検証する。
  論文  参考訳（メタデータ） (2021-03-31T09:41:11Z)
• Cross-domain Adaptation with Discrepancy Minimization for Text-independent Forensic Speaker Verification [61.54074498090374]
  本研究では,複数の音響環境下で収集したCRSS-Forensicsオーディオデータセットを紹介する。 我々は、VoxCelebデータを用いてCNNベースのネットワークを事前訓練し、次に、CRSS-Forensicsのクリーンな音声で高レベルのネットワーク層の一部を微調整するアプローチを示す。
  論文  参考訳（メタデータ） (2020-09-05T02:54:33Z)
• Temporal-Spatial Neural Filter: Direction Informed End-to-End Multi-channel Target Speech Separation [66.46123655365113]
  ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。 主な課題は、複雑な音響環境とリアルタイム処理の要件である。 複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
  論文  参考訳（メタデータ） (2020-01-02T11:12:50Z)

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。