Fugu-MT 論文翻訳(概要): Active noise cancellation on open-ear smart glasses

論文の概要: Active noise cancellation on open-ear smart glasses

arxiv url: http://arxiv.org/abs/2604.05519v1
Date: Tue, 07 Apr 2026 07:17:40 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-08 17:42:09.680731
Title: Active noise cancellation on open-ear smart glasses
Title（参考訳）: オープンイヤースマートグラスのアクティブノイズキャンセリング
Authors: Kuang Yuan, Freddy Yifei Liu, Tong Xiao, Yiwen Song, Chengyi Shen, Saksham Bhutani, Justin Chan, Swarun Kumar,
Abstract要約: 本稿では、マイクロホンと眼鏡フレームに埋め込まれた小型のオープンイヤースピーカを用いて、環境騒音を抑える、オープンイヤースマートグラスのための初のリアルタイムANCシステムを提案する。我々の低遅延計算パイプラインは、眼鏡フレームの周りに配置された8つのマイクロホンのアレイから耳の雑音を推定し、環境騒音をキャンセルするためにリアルタイムでアンチノイズ信号を生成する。
参考スコア（独自算出の注目度）: 18.99112845413536
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Smart glasses are becoming an increasingly prevalent wearable platform, with audio as a key interaction modality. However, hearing in noisy environments remains challenging because smart glasses are equipped with open-ear speakers that do not seal the ear canal. Furthermore, the open-ear design is incompatible with conventional active noise cancellation (ANC) techniques, which rely on an error microphone inside or at the entrance of the ear canal to measure the residual sound heard after cancellation. Here we present the first real-time ANC system for open-ear smart glasses that suppresses environmental noise using only microphones and miniaturized open-ear speakers embedded in the glasses frame. Our low-latency computational pipeline estimates the noise at the ear from an array of eight microphones distributed around the glasses frame and generates an anti-noise signal in real-time to cancel environmental noise. We develop a custom glasses prototype and evaluate it in a user study across 8 environments under mobility in the 100--1000 Hz frequency range, where environmental noise is concentrated. We achieve a mean noise reduction of 9.6 dB without any calibration, and 11.2 dB with a brief user-specific calibration.
Abstract（参考訳）: スマートグラスはますます普及しつつあるウェアラブルプラットフォームになりつつあり、オーディオは重要な相互作用のモダリティとなっている。しかし、スマートグラスは耳道に封じ込めないオープンイヤースピーカーを備えているため、ノイズの多い環境での聴取は依然として困難である。さらに、従来のアクティブノイズキャンセリング(ANC)技術とは相容れない設計であり、これはキャンセル後の残音を測定するために、耳道の内側または入り口のエラーマイクに依存している。ここでは、マイクロホンと眼鏡フレームに埋め込まれた小型のオープンイヤースピーカを用いて、環境騒音を抑える、オープンイヤースマートグラスのための初のリアルタイムANCシステムを提案する。我々の低遅延計算パイプラインは、眼鏡フレームの周りに配置された8つのマイクロホンのアレイから耳の雑音を推定し、環境騒音をキャンセルするためにリアルタイムでアンチノイズ信号を生成する。本研究では,環境騒音が集中する100-1000Hz帯の移動環境における8つの環境を対象に,カスタムグラスのプロトタイプを開発し,ユーザによる評価を行った。キャリブレーションを伴わない平均雑音は9.6dBで、ユーザ固有のキャリブレーションは11.2dBである。

関連論文リスト

NasoVoce: A Nose-Mounted Low-Audibility Speech Interface for Always-Available Speech Interaction [16.067809411574995]
NasoVoceは、マイクと振動センサーを内蔵したノーズブリッジ搭載のインターフェースだ。スマートグラスの鼻パッドに配置されており、音響信号と振動信号の両方を控えめに捉えている。
論文参考訳（メタデータ） (2026-03-11T01:48:27Z)
WearVox: An Egocentric Multichannel Voice Assistant Benchmark for Wearables [46.73480840435705]
WearVoxは、現実的なウェアラブルシナリオで音声アシスタントを厳格に評価するために設計された最初のベンチマークである。 3,842のマルチチャンネル、エゴセントリックなオーディオ録音をAIメガネで5つのタスクで収集する。我々は、プロプライエタリでオープンソースのLarge Language Models (SLLM) をベンチマークし、ほとんどのリアルタイムSLLMが29%から59%の精度を達成することを発見した。
論文参考訳（メタデータ） (2025-12-25T06:39:21Z)
Tiny Noise-Robust Voice Activity Detector for Voice Assistants [6.670095528106346]
背景雑音の存在下での音声活動検出(VAD)は、音声処理において難しい問題である。本稿では,背景雑音に対処するデータ前処理および後処理モジュールを付加した軽量なVADを含むノイズローバストVADを提案する。このアプローチはノイズの多い環境でのVAD精度を大幅に向上させ、より大きなモデルも微調整も必要としない。
論文参考訳（メタデータ） (2025-07-29T18:44:43Z)
Cocktail-Party Audio-Visual Speech Recognition [58.222892601847924]
本研究では,現在のAVSRシステムのベンチマークを行うために設計された,新しい音声-視覚カクテルパーティデータセットを提案する。音声とサイレント顔の両方からなる1526時間AVSRデータセットをコントリビュートし,カクテルパーティー環境における顕著な性能向上を実現した。我々の手法は、WERを最先端と比較して67%削減し、WERを明示的なセグメンテーション手法に頼ることなく、極音の119%から39.2%に削減する。
論文参考訳（メタデータ） (2025-06-02T19:07:51Z)
Active Noise Control Portable Device Design [14.705052505734479]
騒音は作業効率だけでなく、人間の健康にも影響を及ぼす。そこで,環境騒音を検知するセンサによるノイズ低減システムを提案する。このシステムは睡眠トラッキングや音楽プレイヤーのアプリケーションとも統合されている。
論文参考訳（メタデータ） (2023-11-01T14:13:04Z)
A noise-robust acoustic method for recognizing foraging activities of grazing cattle [35.21388806827219]
NRFAR(Noth-Robust Foraging Activity Recognizer)と呼ばれる音響手法の動作原理と一般化能力について述べる。ノイズのない環境では、NRFARは平均的平衡精度86.4%に達し、以前の2つの音響手法を7.5%以上上回った。 NRFARは厳しい放牧環境において有効であることが示されており、牧草管理を改善し、乳牛の健康と福祉をモニタリングするための信頼性の高いソリューションとして利用することができる。
論文参考訳（メタデータ） (2023-04-28T13:06:14Z)
Side Eye: Characterizing the Limits of POV Acoustic Eavesdropping from Smartphone Cameras with Rolling Shutters and Movable Lenses [6.227131280108784]
スマートフォンカメラで広く見られるローリングシャッターと可動レンズ構造は、カメラ画像に構造が作用する音を変調する。本研究は,スマートフォンカメラのPOVを乱す構造音による音響情報漏洩の限界を特徴づけるものである。
論文参考訳（メタデータ） (2023-01-24T15:00:47Z)
Wireless earbuds for low-cost hearing screening [3.8220612357178507]
耳音響放射を検知して聴覚スクリーニングを行うことができる最初のワイヤレスイヤホンハードウェアを提案する。本研究は、低コストイヤホンが100%感度と89.7%特異性で難聴を検知し、8000ドルの医療機器に匹敵する性能を示した。
論文参考訳（メタデータ） (2022-12-11T07:36:46Z)
Removing Noise from Extracellular Neural Recordings Using Fully Convolutional Denoising Autoencoders [62.997667081978825]
ノイズの多いマルチチャネル入力からクリーンなニューロン活動信号を生成することを学習する完全畳み込みデノイングオートエンコーダを提案する。シミュレーションデータを用いた実験結果から,提案手法はノイズ崩壊型ニューラルネットワークの品質を大幅に向上させることができることがわかった。
論文参考訳（メタデータ） (2021-09-18T14:51:24Z)
Speech Enhancement for Wake-Up-Word detection in Voice Assistants [60.103753056973815]
キースポッティング、特にWake-Up-Word(WUW)検出は音声アシスタントにとって非常に重要なタスクである。本稿では,WUW検出に適応した音声強調モデルを提案する。これらのノイズの存在下で、認識率を高め、誤報を減らすことを目的としている。
論文参考訳（メタデータ） (2021-01-29T18:44:05Z)
CITISEN: A Deep Learning-Based Speech Signal-Processing Mobile Application [63.2243126704342]
本研究では,CitisENと呼ばれる深層学習に基づく音声信号処理モバイルアプリケーションを提案する。 CitisENは、音声強調(SE)、モデル適応(MA)、背景雑音変換(BNC)の3つの機能を提供している。雑音の多い音声信号と比較すると、改良された音声信号の約6%と33%の改善が達成された。
論文参考訳（メタデータ） (2020-08-21T02:04:12Z)

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。