論文の概要: HRTF Upsampling and Personalization via Neural Operators

• arxiv url: http://arxiv.org/abs/2610.20400v1
• Date: Wed, 14 Oct 2026 16:03:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:16.244532
• Title: HRTF Upsampling and Personalization via Neural Operators
• Title（参考訳）: ニューラルネットワークによるHRTFアップサンプリングとパーソナライズ
• Abstract要約: 本稿では,空間方向のスパース測定をHRTF場にマッピングするニューラル演算子SPAROを紹介する。 SONICOMでは、SPAROは3から100の計測値から、最高の対数スペクトル歪み(LSD)と音間レベル差(ILD)の誤差を得る。 HRTFは、主要な神経磁場法RANFの15倍から373倍の速度で再構成される。
• 参考スコア（独自算出の注目度）: 10.69745107618139
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Head-related transfer function (HRTF) spatial upsampling from sparse measurements is a fundamental challenge in personalized binaural audio. We formulate HRTF upsampling as an operator learning problem and introduce SPARO, a neural operator that maps sparse measurements at a set of spatial directions to the HRTF field, a continuous representation that can be queried at arbitrary positions. SPARO projects the measurements onto a learned set of spherical latent modes, processes the latent modes with Transformer blocks, and decodes the resulting representations at query directions. On SONICOM, using the LAP24 measurement configuration, SPARO attains the best log-spectral distortion (LSD) and interaural level difference (ILD) error at every sparsity level from 3 to 100 measurements (18% lower LSD and 43% lower ILD error than the strongest baseline at 100 measurements) while remaining competitive in interaural time difference (ITD) error. It reconstructs a dense HRTF 15 to 373 times faster than the leading neural-field method RANF. We further validate the approach on HUTUBS, demonstrating its effectiveness across HRTF datasets.
• Abstract（参考訳）: 頭部伝達関数(HRTF)のスパース計測による空間増幅は、パーソナライズされたバイノーラルオーディオの基本的な課題である。 我々は、演算子学習問題としてHRTFアップサンプリングを定式化し、空間方向のスパース測定を任意の位置でクエリ可能な連続表現であるHRTF場にマッピングする神経演算子であるSPAROを導入する。 SPAROは学習した球状潜時モードに計測結果を投影し、Transformerブロックで潜時モードを処理し、結果の表現をクエリ方向でデコードする。 SONICOMでは、LAP24測定設定を用いて、SPAROは3から100の計測値から各空間レベルにおける最高の対数スペクトル歪み(LSD)とインターオーラルレベルの差(ILD)の誤差を3から100の計測値から得る(100の計測値において最強の基準値よりも43%低いLSDと43%低いIDDの誤差)。 HRTFは、主要な神経磁場法RANFの15倍から373倍の速度で再構成される。 HUTUBSのアプローチをさらに検証し、HRTFデータセット全体での有効性を実証する。

関連論文リスト

• BiFormer3D: Grid-Free Time-Domain Reconstruction of Head-Related Impulse Responses with a Spatially Encoded Transformer [56.68710783939455]
  本稿では,任意の方向のHRIRをスパース入力から再構成する,時間領域のグリッドフリートランスであるBiFormer3Dを提案する。 SONICOMでは、通常の平均二乗誤差(NMSE)、余弦距離、ITD/ILD誤差を従来の手法よりも改善する。
  論文  参考訳（メタデータ） (2026-03-30T03:39:16Z)
• Self-Supervised Learning via Flow-Guided Neural Operator on Time-Series Data [57.85958428020496]
  Flow-Guided Neural Operator (FGNO)は、演算子学習とフローマッチングを組み合わせた新しいフレームワークである。 FGNOは、短時間フーリエ変換を用いて関数空間のマッピングを学習し、異なる時間分解能を統一する。 推論中にノイズのある入力を使用する以前の生成SSL法とは異なり、ノイズのある表現を学習しながら、クリーンな入力を用いて表現抽出を行う。
  論文  参考訳（メタデータ） (2026-02-12T18:54:57Z)
• HRTFformer: A Spatially-Aware Transformer for Personalized HRTF Upsampling in Immersive Audio Rendering [13.189906008527613]
  本稿では,HRTFアップサンプリングのためのトランスフォーマーアーキテクチャを提案する。 本モデルでは,高精度HRTFをスパース入力測定から再構成し,精度を大幅に向上する。 実験により,本モデルが現実的かつ高忠実なHRTFの生成において,先行手法をはるかに上回っていることが示された。
  論文  参考訳（メタデータ） (2025-10-02T10:59:21Z)
• A Machine Learning Approach for Denoising and Upsampling HRTFs [5.954160581274925]
  頭部伝達関数(HRTF)は、音が耳に届く様子を捉え、ユニークな解剖学的特徴を反映し、空間的知覚を高める。 パーソナライズされたHRTFは、ローカライズ精度を向上させることが示されているが、その測定には時間を要するため、ノイズのない環境が必要である。 本稿では,この制約に対処する手法を提案する。 提案手法は,5.41dBの対数スペクトル歪み(LSD)誤差と0.0070のコサイン類似性損失を実現し,HRTFアップサンプリングの有効性を示す。
  論文  参考訳（メタデータ） (2025-04-24T14:17:57Z)
• HRTF Estimation using a Score-based Prior [20.62078965099636]
  本稿では,スコアベース拡散モデルに基づく頭部伝達関数推定手法を提案する。 HRTFは人間の発話などの自然な励起信号を用いて残響環境で推定される。 HRTFにおける高周波コンテンツの大きなばらつきを,拡散前の拡散が考慮できることを示す。
  論文  参考訳（メタデータ） (2024-10-02T14:00:41Z)
• HRTF Interpolation using a Spherical Neural Process Meta-Learner [1.3505077405741583]
  本稿では,HRTF誤り訂正に特化した畳み込みニューラルプロセスメタラーナを提案する。 一般集団平均HRTFは、補正の前に最初の推定値を形成する。 トレーニングされたモデルは、最先端の手法と比較して最大3dBの相対誤差削減を達成する。
  論文  参考訳（メタデータ） (2023-10-20T11:41:54Z)
• HRTF upsampling with a generative adversarial network using a gnomonic equiangular projection [3.921666645870036]
  本稿では、HRTFアップサンプリングにGAN(Generative Adversarial Network)を適用する方法について述べる。 畳み込み型超解像生成対向ネットワーク(SRGAN)を用いてHRTFデータを直接利用するための新しい手法を提案する。 実験の結果, 提案手法は, 対数スペクトル歪み(LSD)と局所化性能において, 3つの基準線すべてより優れていた。
  論文  参考訳（メタデータ） (2023-06-09T11:05:09Z)
• LD-GAN: Low-Dimensional Generative Adversarial Network for Spectral Image Generation with Variance Regularization [72.4394510913927]
  ディープラーニング法はスペクトル画像(SI)計算タスクの最先端技術である。 GANは、データ分散から学習およびサンプリングすることで、多様な拡張を可能にする。 この種のデータの高次元性は、GANトレーニングの収束を妨げるため、GANベースのSI生成は困難である。 本稿では, オートエンコーダ訓練における低次元表現分散を制御し, GANで生成されたサンプルの多様性を高めるための統計正則化を提案する。
  論文  参考訳（メタデータ） (2023-04-29T00:25:02Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
  本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。 所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。 ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
  論文  参考訳（メタデータ） (2022-09-29T04:06:00Z)
• Conditioning Trick for Training Stable GANs [70.15099665710336]
  本稿では,GANトレーニング中の不安定性問題に対応するため,ジェネレータネットワークに正規性から逸脱する条件付け手法を提案する。 我々は、生成元をシュア分解のスペクトル領域で計算された実サンプルの正規化関数から逸脱するように強制する。
  論文  参考訳（メタデータ） (2020-10-12T16:50:22Z)

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。