論文の概要: Physics-Informed Neural Engine Sound Modeling with Differentiable Pulse-Train Synthesis

• arxiv url: http://arxiv.org/abs/2603.09391v1
• Date: Tue, 10 Mar 2026 09:03:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-11 15:25:24.193303
• Title: Physics-Informed Neural Engine Sound Modeling with Differentiable Pulse-Train Synthesis
• Title（参考訳）: 微分可能なパルストレイン合成を用いた物理インフォームニューラルエンジン音響モデリング
• Authors: Robin Doerfler, Lonce Wyse,
• Abstract要約: エンジンの音は、持続する高調波振動よりも連続的な排気圧パルスに由来する。 本稿では,Pulse-Train-Resonator(PTR)モデルを提案する。 PTRはハーモニック・プラス・ノイズベースラインモデルよりも21%改善され、総損失は5.7%減少する。
• 参考スコア（独自算出の注目度）: 0.45835414225547183
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Engine sounds originate from sequential exhaust pressure pulses rather than sustained harmonic oscillations. While neural synthesis methods typically aim to approximate the resulting spectral characteristics, we propose directly modeling the underlying pulse shapes and temporal structure. We present the Pulse-Train-Resonator (PTR) model, a differentiable synthesis architecture that generates engine audio as parameterized pulse trains aligned to engine firing patterns and propagates them through recursive Karplus-Strong resonators simulating exhaust acoustics. The architecture integrates physics-informed inductive biases including harmonic decay, thermodynamic pitch modulation, valve-dynamics envelopes, exhaust system resonances and derived engine operating modes such as throttle operation and deceleration fuel cutoff (DCFO). Validated on three diverse engine types totaling 7.5 hours of audio, PTR achieves a 21% improvement in harmonic reconstruction and a 5.7% reduction in total loss over a harmonic-plus-noise baseline model, while providing interpretable parameters corresponding to physical phenomena. Complete code, model weights, and audio examples are openly available.
• Abstract（参考訳）: エンジンの音は、持続する高調波振動よりも連続的な排気圧パルスに由来する。 ニューラル合成法は一般的にスペクトル特性を近似することを目的としているが,その基礎となるパルス形状と時間構造を直接モデル化することを提案する。 本稿では, エンジン発振パターンに整合したパラメータ化パルス列としてエンジン音声を生成し, 排気音を模擬した再帰的カルール・ストロング共振器を用いて伝搬する, 可変合成アーキテクチャPTRモデルを提案する。 このアーキテクチャは、高調波減衰、熱力学ピッチ変調、バルブ力学エンベロープ、排気系共鳴、スロットル操作や減速燃料カットオフ(DCFO)などのエンジン動作モードを含む物理インフォームの誘導バイアスを統合している。 3つの多様なエンジンタイプが7.5時間のオーディオで検証され、PTRはハーモニック・プラスノイズベースラインモデルよりも21%改善され、総損失が5.7%減少し、物理現象に対応する解釈可能なパラメータが提供される。 完全なコード、モデルウェイト、オーディオサンプルが公開されている。

関連論文リスト

• PHASE-Net: Physics-Grounded Harmonic Attention System for Efficient Remote Photoplethysmography Measurement [63.007237197267834]
  既存のディープラーニング手法は、主に生理学的モニタリングであり、理論的な堅牢性を欠いている。 本研究では,Navier-Stokes方程式のヘモダイナミックスから導かれる物理インフォームド r パラダイムを提案し,パルス信号が2次系に従うことを示す。 これは、時間的円錐ネットワーク(TCN)を使用する理論的正当性を提供する。 Phase-Netは高い効率で最先端のパフォーマンスを実現し、理論上は基礎的でデプロイ可能な r ソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-29T14:36:45Z)
• Sines, Transient, Noise Neural Modeling of Piano Notes [0.0]
  3つのサブモジュールはピアノ録音からコンポーネントを学び、ハーモニック、トランジェント、ノイズ信号を生成する。 特異点から、三弦の異なる鍵と畳み込みに基づくネットワークとの結合をエミュレートする。 その結果、モデルがターゲットの部分分布と一致し、スペクトルの上部のエネルギーがより多くの課題をもたらすことを予測した。
  論文  参考訳（メタデータ） (2024-09-10T13:48:18Z)
• Latent Space Energy-based Neural ODEs [73.01344439786524]
  本稿では,連続時間列を表現するために設計された新しい深部力学モデルを提案する。 マルコフ連鎖モンテカルロの最大推定値を用いてモデルを訓練する。 振動系, ビデオ, 実世界の状態系列(MuJoCo)の実験結果から, 学習可能なエネルギーベース先行モデルの方が既存のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-05T18:14:22Z)
• Equivariant Graph Neural Operator for Modeling 3D Dynamics [148.98826858078556]
  我々は,次のステップの予測ではなく,ダイナミックスを直接トラジェクトリとしてモデル化するために,Equivariant Graph Neural Operator (EGNO)を提案する。 EGNOは3次元力学の時間的進化を明示的に学習し、時間とともに関数として力学を定式化し、それを近似するためにニューラル演算子を学習する。 粒子シミュレーション、人間のモーションキャプチャー、分子動力学を含む複数の領域における総合的な実験は、既存の手法と比較して、EGNOの極めて優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-19T21:50:32Z)
• Many-body parametric resonances in the driven sine-Gordon model [0.0]
  半古典的トレンシ化ウィグナー近似(TWA)によるトンネル結合を変調したシネ-ゴルドンモデルについて検討する。 弱い駆動振幅の場合、主共振モードでは指数的に高速なエネルギー吸収が生じる。 我々はこれらの共鳴過程によって引き起こされる強い相関を高次連結相関関数として評価する。
  論文  参考訳（メタデータ） (2022-04-15T18:01:10Z)
• VaPar Synth -- A Variational Parametric Model for Audio Synthesis [78.3405844354125]
  本稿では,条件付き変分オートエンコーダ(CVAE)を用いた変分パラメトリックシンセサイザVaPar Synthを提案する。 提案するモデルの性能は,ピッチを柔軟に制御した楽器音の再構成と生成によって実証する。
  論文  参考訳（メタデータ） (2020-03-30T16:05:47Z)

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。