論文の概要: Physiology-Informed Audio Quality and Listening Effort Estimation

• arxiv url: http://arxiv.org/abs/2610.36865v1
• Date: Tue, 27 Oct 2026 09:01:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.550467
• Title: Physiology-Informed Audio Quality and Listening Effort Estimation
• Title（参考訳）: 生理的インフォームドオーディオ品質と聴力評価
• Abstract要約: 32チャンネルの脳波をウェアラブル脳波、fNIRS、および30人のリスナーからの視線追跡と共に記録することにより、市販のウェアラブルおよび光センシングが統計的に有意なレベルのオーディオ品質をデコードできることを示唆した。 これらの発見は、品質を認識するだけでなく、聞き手自身の反応を読み取るために、クリップが要求する努力に合わせたプラットフォームを指しているかもしれない。
• 参考スコア（独自算出の注目度）: 7.032871370232397
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Audio systems aim to maximise the listener's perceived quality, traditionally evaluated through mean opinion scoring (MOS), a subjective process that is slow, costly, and collected only after playback. Machine learning now predicts MOS directly from the audio, but in generalising across participants it tends to discard the subject variance that defines individual perception. Neurophysiological measures may offer a complementary signal taken directly from the listener, objective, implicit, and continuous, though prior work has relied on laboratory-grade EEG and fNIRS. We ask how practical consumer-grade devices compare, and whether they might recover population-level audio-quality trends and, when calibrated per listener, track that listener's effort. Recording 32-channel laboratory EEG alongside wearable EEG, fNIRS, and eye tracking from thirty listeners, our results suggest commercial wearable and optical sensing can decode audio quality at statistically significant levels and recover listening effort per listener. These findings may point towards platforms tuned not only to perceived quality but to the effort a clip demands, read from the listener's own response as they listen.
• Abstract（参考訳）: 音声システムは聴取者の知覚品質を最大化することを目的としており、伝統的に平均評価スコアリング(MOS)を通して評価されてきた。 機械学習は、音声から直接MOSを予測するが、参加者間での一般化では、個々の知覚を定義する対象のばらつきを捨てる傾向がある。 神経生理学的測度は、聴取者、客観的、暗黙的、連続的な信号を直接受け持つが、以前の研究は実験室レベルの脳波とfNIRSに依存していた。 一般消費者向けのデバイスがいかに実用的に比較され、人口レベルのオーディオ品質の傾向が回復するか、リスナーごとの校正によってリスナーの努力が追跡されるかどうかを問う。 ウェアラブル脳波、fNIRS、および30人のリスナーからの視線追跡と合わせて32チャンネルの脳波を記録した結果、市販のウェアラブルおよび光センシングは、統計的に有意なレベルでオーディオ品質を復号し、リスナー1人当たりの聴取力を回復させることができることが示唆された。 これらの発見は、品質を認識するだけでなく、聞き手自身の反応を読み取るために、クリップが要求する努力に合わせたプラットフォームを指しているかもしれない。

関連論文リスト

• WoW-Bench: Evaluating Fine-Grained Acoustic Perception in Audio-Language Models via Marine Mammal Vocalizations [67.6147632074449]
  海洋哺乳動物の発声を用いた低レベルの聴覚知覚と認知を評価するために,WoW-Benchベンチマーク(World-of-Whale benchmark)を導入した。 WoW-Benchは、新しい音を分類するための知覚ベンチマークと、ブルームの分類学にインスパイアされた認知ベンチマークで構成され、音の出来事を記憶、理解、応用、分析する能力を評価する。 最先端のLALMを用いた実験は、人間のレベルよりもはるかに低い性能を示し、LALMのより強力な聴覚的接地の必要性を示している。
  論文  参考訳（メタデータ） (2025-08-28T16:29:46Z)
• AudioJudge: Understanding What Works in Large Audio Model Based Speech Evaluation [55.607230723223346]
  本研究は,Large Audio Model (LAM) をAudioJudgeの裁判官として体系的に研究し,両課題に対処する統一評価フレームワークを提供することができるかどうかを検討する。 本稿では、発音、発話速度、話者識別、音声品質、自動ベンチマークのためのシステムレベルの人間の嗜好シミュレーションなど、音声特徴検出タスクにまたがるAudioJudgeについて検討する。 本稿では,多視点アンサンブルAudioJudgeを導入し,音声評価を語彙内容,音声品質,パラ言語特徴の専門判断者に分解し,人間の嗜好と最大0.91のスピアマン相関を達成させる手法を提案する。
  論文  参考訳（メタデータ） (2025-07-17T00:39:18Z)
• Spectrotemporal Modulation: Efficient and Interpretable Feature Representation for Classifying Speech, Music, and Environmental Sounds [0.22499166814992438]
  本研究では,ヒト聴覚皮質の神経生理学的表現を模倣する信号処理法である,分光時間変調(STM)の特徴に着目した新しいアプローチを提案する。 STMに基づくモデルの分類性能は、事前訓練なしに、様々な自然主義的音声、音楽、環境音の事前訓練されたDNNに匹敵する。 これらの結果から,STMは音声分類のための効率的かつ解釈可能な特徴表現であり,音声や聴覚科学の基本的な理解や,BCIや認知コンピューティングの発達にともなって,機械聴取とアンロックによるエキサイティングな新たな可能性の開拓が進んでいることが示唆された。
  論文  参考訳（メタデータ） (2025-05-29T14:52:47Z)
• AAD-LLM: Neural Attention-Driven Auditory Scene Understanding [9.596626274863832]
  本稿では,聴取者の注意を喚起するために脳信号を統合するプロトタイプシステムAAD-LLMについて述べる。 AAD-LLMは、参加話者を神経活動から予測し、この推定された注意状態に対して応答生成を条件付ける。 話者記述, 音声の書き起こし, 抽出, 質問応答について, マルチストーカーのシナリオでAAD-LLMを評価する。
  論文  参考訳（メタデータ） (2025-02-24T03:06:45Z)
• Automating Feedback Analysis in Surgical Training: Detection, Categorization, and Assessment [65.70317151363204]
  本研究は,非構造化現実記録からの外科的対話を再構築するための最初の枠組みを紹介する。 外科訓練では,ライブ手術中に訓練者に提供する形式的言語フィードバックは,安全性の確保,行動の即時修正,長期的スキル獲得の促進に不可欠である。 本フレームワークは,音声活動の検出,話者ダイアリゼーション,自動音声認識と,幻覚を除去する新たな拡張機能を統合する。
  論文  参考訳（メタデータ） (2024-12-01T10:35:12Z)
• What You Hear Is What You See: Audio Quality Metrics From Image Quality Metrics [44.659718609385315]
  そこで本研究では,音声信号の評価に最先端画像知覚メトリクスを応用し,スペクトログラムとして表現することの実現可能性について検討する。 我々は、音響信号の特異性を考慮するために、精神音響学的に妥当なアーキテクチャを持つメトリクスの1つをカスタマイズする。 提案手法の有効性を音楽データセットを用いて評価した。
  論文  参考訳（メタデータ） (2023-05-19T10:43:57Z)
• End-to-End Binaural Speech Synthesis [71.1869877389535]
  本稿では,低ビットレート音声システムと強力なデコーダを組み合わせたエンドツーエンド音声合成システムを提案する。 実感的な聴覚シーンを作るために必要な環境効果を捉える上で, 対人的損失がもたらす効果を実証する。
  論文  参考訳（メタデータ） (2022-07-08T05:18:36Z)
• Learning Audio-Visual Dereverberation [87.52880019747435]
  環境中の表面や物体を反射する音声からの残響は、人間の知覚の質を低下させるだけでなく、自動音声認識の精度にも深刻な影響を及ぼす。 我々の考えは、音声・視覚的観察から音声を除去することである。 そこで我々は,観測音と映像シーンの両方に基づいて残響を除去することを学ぶエンドツーエンドアプローチである,視覚インフォームド・デバーベレーション・オブ・オーディオ(VIDA)を紹介した。
  論文  参考訳（メタデータ） (2021-06-14T20:01:24Z)
• DHASP: Differentiable Hearing Aid Speech Processing [23.101074347473904]
  聴取者の聴力障害に対する適切な増幅は、良好な演奏に不可欠である。 本稿では,補聴器音声処理フレームワークの導入により,最適な適合度を求めるための代替手法を提案する。 このフレームワークは完全に差別化可能であり、効率的なデータ駆動最適化にバックプロパゲーションアルゴリズムを使用することができる。 最初の目的の実験では、ノイズのない音声増幅に有望な結果が示され、自動最適化されたプロセッサは、よく認識された補聴器処方薬の1つを上回る。
  論文  参考訳（メタデータ） (2021-03-15T17:34:22Z)

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。