論文の概要: Estimation of Room Impulse Responses from Handclaps

• arxiv url: http://arxiv.org/abs/2609.35839v1
• Date: Thu, 24 Sep 2026 12:25:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.857985
• Title: Estimation of Room Impulse Responses from Handclaps
• Title（参考訳）: 手のひらからの室内インパルス応答の推定
• Abstract要約: 我々は17名の被験者から2,540個の手鎖を含む無響手鎖データセットを導入した。 まず、正規化デコンボリューションを用いて励起クラップが知られると、その性能が達成できることを示す。 残響記録からの直接音を窓ガラスにし,未知の励起を近似させることは不十分であることを示す。
• 参考スコア（独自算出の注目度）: 16.57737605189206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Handclaps provide an equipment-free excitation for room acoustics, but their unknown and variable source waveform makes room impulse response (RIR) estimation challenging. In this work, we investigate whether RIRs can be estimated directly from handclaps. To this end, we introduce an anechoic handclap dataset containing 2,540 claps from 17 participants, designed to capture variability across natural claps and different hand configurations. We first establish the performance attainable when the excitation clap is known using regularized deconvolution, and show that approximating the unknown excitation by windowing the direct sound from the reverberant recording is insufficient. To estimate the RIR without a known excitation, we propose using the anechoic handclap recordings to train a deep neural network with a supervised regression objective. Evaluated on a controlled synthetic benchmark, the proposed neural regressor significantly outperforms windowing-based baselines across all instrumental metrics. Furthermore, we test the proposed method on handclap recordings measured in real acoustic spaces, showing that the inferred RIR spectra are consistent across different handclap measurements taken in the same room location. These results showcase the feasibility of directly estimating RIRs from natural handclaps without requiring knowledge of the excitation signal.
• Abstract（参考訳）: ハンドクレープは、室内音響に対して機器のない励起を提供するが、その未知かつ可変な音源波形は、室内インパルス応答(RIR)推定を困難にしている。 本研究では, ハンドクレープから直接RIRを推定できるかどうかを検討する。 この目的のために,17人の参加者から2,540個のクラップを含む無響ハンドクラップデータセットを導入する。 まず、正規化デコンボリューションを用いて励起クラップを知っていれば、その性能を確立でき、残響記録から直接音を窓ガラスにし、未知の励起を近似することは不十分であることを示す。 既知の励起を伴わずにRIRを推定するために,教師付き回帰目標を用いて深部ニューラルネットワークをトレーニングするために,無響ハンドクラップ記録を用いることを提案する。 制御された合成ベンチマークに基づいて評価し、提案したニューラル回帰器は、すべての測定器でウィンドウベースベースラインを大幅に上回っている。 さらに,提案手法は実音響空間で測定されたハンドクラップ記録において,同じ室内で測定された異なるハンドクラップ計測において,推定されたRIRスペクトルが一致していることを示す。 これらの結果は、励起信号の知識を必要とせず、自然の握手からRIRを直接推定できる可能性を示している。

関連論文リスト

• A Cold Diffusion Approach for Percussive Dereverberation [0.06554326244334865]
  パーカッシブ・デバーベレーションは、鋭い過渡性と密集した時間構造のために、異なる課題を生じさせる。 ステレオドラムステム(ダウンミックス)を除去するためのコールド拡散フレームワークを提案する。 UNetと拡散トランスフォーマーのバックボーンの両方を用いて,このフレームワークを実装した。
  論文  参考訳（メタデータ） (2026-05-11T09:23:37Z)
• Learning Robust Spatial Representations from Binaural Audio through Feature Distillation [64.36563387033921]
  データラベルを必要とせずに音声の頑健な空間表現を学習するために,特徴蒸留に基づく事前学習ステージの利用について検討する。 実験により, 事前学習したモデルでは, 騒音および残響環境における性能が向上していることが示された。
  論文  参考訳（メタデータ） (2025-08-28T15:43:15Z)
• Unsupervised Blind Joint Dereverberation and Room Acoustics Estimation with Diffusion Models [21.669363620480333]
  本稿では,BUDDy と呼ばれる単一チャネルブラインド除去と室内インパルス応答 (RIR) 推定のための教師なし手法を提案する。 周波数サブバンド毎に指数減衰したRIRを表すパラメトリックフィルタを設計する。 本稿では,RIR推定におけるBUDDyの性能について検討し,不整合音響条件に対する最先端の教師付き推定器を超越して観測する。
  論文  参考訳（メタデータ） (2024-08-14T11:31:32Z)
• BUDDy: Single-Channel Blind Unsupervised Dereverberation with Diffusion Models [21.66936362048033]
  そこで本研究では,非教師型単一チャネル方式による共同ブラインド除去と室内インパルス応答推定について述べる。 周波数サブバンド毎に指数減衰のフィルタを用いて残響演算子をパラメータ化し、音声発声が洗練されるにつれて、対応するパラメータを反復的に推定する。
  論文  参考訳（メタデータ） (2024-05-07T12:41:31Z)
• AV-RIR: Audio-Visual Room Impulse Response Estimation [49.469389715876915]
  室内インパルス応答(RIR)の正確な推定は,音声処理やAR/VR応用において重要である。 本稿では,与えられた残響音声信号と対応する環境の視覚的手がかりからRIRを正確に推定する,新しいマルチモーダルマルチタスク学習手法であるAV-RIRを提案する。
  論文  参考訳（メタデータ） (2023-11-30T22:58:30Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Disentangled Representation Learning for RF Fingerprint Extraction under Unknown Channel Statistics [77.13542705329328]
  本稿では,まず,不整合表現学習(DRL)の枠組みを提案し,入力信号を逆学習によりデバイス関連成分とデバイス関連成分に分解する。 提案フレームワークにおける暗黙的なデータ拡張は、デバイス非関連チャネル統計の過度な適合を避けるために、RFF抽出器に正規化を課す。 実験により、DR-RFFと呼ばれる提案手法は、未知の複雑な伝播環境に対する一般化可能性の観点から従来の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-08-04T15:46:48Z)
• Few-Shot Audio-Visual Learning of Environment Acoustics [89.16560042178523]
  室内インパルス応答 (RIR) 関数は、周囲の物理的環境がリスナーが聴く音をどう変換するかをキャプチャする。 我々は、空間で観測された画像とエコーのスパースセットに基づいて、RIRを推測する方法を探る。 3次元環境のための最先端オーディオ視覚シミュレータを用いた実験において,本手法が任意のRIRを生成できることを実証した。
  論文  参考訳（メタデータ） (2022-06-08T16:38:24Z)
• 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)
• Mean absorption estimation from room impulse responses using virtually supervised learning [0.0]
  本稿では,室内インパルス応答(RIR)のみから平均吸収係数を推定する新しい手法を紹介し,検討する。 この逆問題は、仮想教師付き学習、すなわち、人工ニューラルネットワークを用いたシミュレーションデータセット上の回帰によって暗黙的に学習される。
  論文  参考訳（メタデータ） (2021-09-01T14:06:20Z)

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。