論文の概要: Band-Count Dense Modal Estimation with Fixed-Frequency Differentiable Resonator Refinement

• arxiv url: http://arxiv.org/abs/2608.00667v1
• Date: Sat, 01 Aug 2026 13:42:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.852103
• Title: Band-Count Dense Modal Estimation with Fixed-Frequency Differentiable Resonator Refinement
• Title（参考訳）: 固定周波数微分共振器リファインメントを用いた帯域共振モード推定
• Abstract要約: 第1DAFxツリー推定チャレンジのタスクBは、高密度のプレートリバーブインパルス応答における周波数、減衰率、利得、モード数の推定を必要とする。 4つの周波数帯域におけるモード数を予測するために,シミュレータ生成データにExtra Regressorを訓練する。 これらのカウントは密度の周波数格子を定義し、その後に周波数を固定しながら、微分可能な全極共振器モデルが減衰と利得を洗練させる。
• 参考スコア（独自算出の注目度）: 3.8530395083350615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Task B of the 1st DAFx Parameter Estimation Challenge requires estimating the frequencies, decay rates, gains, and number of modes in a dense plate-reverb impulse response. Weak and overlapping modes make sparse peak detection prone to severe undercounting. We train an ExtraTrees regressor on simulator-generated data to predict mode counts in four frequency bands. These counts define dense frequency grids, after which a differentiable all-pole resonator model refines decay and gain while keeping frequency fixed. On two separate synthetic validation sets, the system reduces a local challenge-style error by about 66% relative to the official default peak-picking baseline. The improvement is mainly associated with lower mode-count mismatch, while decay and gain remain the largest error sources. These findings support separating modal-density estimation from continuous parameter fitting.
• Abstract（参考訳）: 第1次DAFxパラメータ推定チャレンジのタスクBでは、高密度プレートリバーブインパルス応答における周波数、減衰率、利得、モードの数を推定する必要がある。 弱みと重なり合うモードは、スパースピーク検出が重度のアンダーカウンティングを引き起こす。 4つの周波数帯域におけるモード数を予測するために,シミュレータ生成データに基づいてExtraTrees回帰器を訓練する。 これらのカウントは密度の周波数格子を定義し、その後に周波数を固定しながら、微分可能な全極共振器モデルが減衰と利得を洗練させる。 2つの異なる合成検証セットにおいて、システムは、公式のデフォルトピークピッキングベースラインと比較して、局所的なチャレンジスタイルの誤差を約66%削減する。 改善は主にモードカウントミスマッチの低減に関連しているが、減衰とゲインは最大のエラー源である。 これらの知見は、連続パラメータフィッティングからモーダル密度推定を分離することを支援する。

関連論文リスト

• Class-frequency Guided Noise Schedule for Diffusion Models [83.19018650759415]
  まず,拡散モデルにおけるクラス周波数とマルチスケールノイズスケジュールの相関について検討する。 我々は,低周波クラスに大規模ノイズを付与すべきという知見を生かして,TextitClass- frequency Guided (CFRG)ノイズスケジュールを提案する。
  論文  参考訳（メタデータ） (2026-06-26T03:43:23Z)
• A Time-Reparameterized Cumulative Intensity Extrapolation Sampler for Discrete Flow Matching [25.54630601391996]
  TR-CIEは,機能評価の制限によるサンプリング品質の向上を目的としている。 累積強度の局所近似誤差を限定する理論解析を行う。 合成タスク,テキスト生成,テキスト・ツー・イメージのベンチマーク実験により,本手法は限られたNFE下でのサンプリング品質の向上を実証した。
  論文  参考訳（メタデータ） (2026-06-23T04:48:45Z)
• SurF: A Generative Model for Multivariate Irregular Time Series Forecasting [9.605729240308543]
  本稿では,イベントシーケンスと単位レート指数雑音を学習する生成モデルであるSurFを提案する。 実世界の6つのベンチマークで、SurFは地震、リツイート、タオバオに関する最高のRMSEを達成している。 厳格なLeft-outプロトコルの下では、SurFは5/6データセット上の古典的およびニューラル自動回帰ベースラインをすべて破る。
  論文  参考訳（メタデータ） (2026-05-13T19:46:48Z)
• Stabilizing Diffusion Posterior Sampling by Noise--Frequency Continuation [52.736416985173776]
  高雑音下では、不正確な推定から計算されたデータ一貫性勾配は、後部幾何学と幾何的に一致しない。 本稿では、雑音依存周波数帯域内でのみ測定一貫性を強制する中間部分の連続的なファミリを構成するノイズ周波数継続フレームワークを提案する。 提案手法は最先端性能を実現し,強いベースライン上で最大5dBのPSNRの動作劣化を改善する。
  論文  参考訳（メタデータ） (2026-01-30T03:14:01Z)
• SONAR: Spectral-Contrastive Audio Residuals for Generalizable Deepfake Detection [6.042897432654865]
  Spectral-cONtrastive Audio Residuals (AR)は、ディープフェイクオーディオ検出器のための周波数誘導フレームワークである。 ARは音声信号を補完表現に切り離す。 ASVspoof 2021およびin-the-wildベンチマークで評価した。
  論文  参考訳（メタデータ） (2025-11-26T12:16:38Z)
• RI-Loss: A Learnable Residual-Informed Loss for Time Series Forecasting [13.117430904377905]
  時系列予測は、過去のデータから将来の値を予測することに依存する。 MSEには2つの根本的な弱点がある:そのポイントワイドエラーは時間的関係を捉えるのに失敗し、データに固有のノイズを考慮しない。 我々は,Hilbert-Schmidt Independence Criterion(HSIC)に基づく新たな目的関数であるResidual-Informed Loss(RI-Loss)を紹介する。
  論文  参考訳（メタデータ） (2025-11-13T09:36:00Z)
• LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation [55.800319453296886]
  欠落または不規則なサンプルデータを持つ時系列は、機械学習において永続的な課題である。 我々は,不規則サンプルデータのパワースペクトルの信頼性の高い計算を可能にする,異なるLombiable-Scargle層を導入する。
  論文  参考訳（メタデータ） (2025-06-20T14:48:42Z)
• MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
  時系列予測は、周波数の異なる周期特性から導かれる。 マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。 主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2025-03-11T11:40:14Z)
• DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
  DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。 高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。 異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T16:14:06Z)
• On Sparse High-Dimensional Graphical Model Learning For Dependent Time Series [12.94486861344922]
  本稿では,スパース,高次元定常時系列の条件独立グラフ(CIG)を推定する問題を考察する。 スパースグループラッソに基づく周波数領域の定式化について述べる。 また,ベイズ情報基準に基づくチューニングパラメータの選択についても実験的に検討した。
  論文  参考訳（メタデータ） (2021-11-15T16:52:02Z)
• Direct Measure Matching for Crowd Counting [59.66286603624411]
  そこで本研究では,予測密度マップを散乱点付基底真理に直接回帰する測度に基づく新しい計数手法を提案する。 本稿では, シンクホーンの測位損失を計測するために設計した, 半平衡型のシンクホーン発散を導出する。
  論文  参考訳（メタデータ） (2021-07-04T06:37:33Z)

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。