空间分组作为一种改善个性化头部相关转移函数预测的方法
Keng-Wei Chang1, Yih-Liang Shen1, Tai-Shih Chi1
1Department of Electronics and Electrical Engineering, National Yang Ming Chiao Tung University, Taiwan 300093alex0976296586@gmail.com, yihliang.ee06@nycu.edu.tw, tschi@nycu.edu.tw.
JASA express letters
|March 3, 2025
概括
我们提出了一种新的方法,通过空间分组HRTF数据来估计与头部相关的转移函数 (HRTF). 这种方法平衡了计算效率和性能,优于现有的模型.
科学领域:
- 声学和音频工程 声学和音频工程
- 机器学习和人工智能的人工智能
背景情况:
- 与头部相关的传输函数 (HRTF) 对空间音频感知至关重要.
- 准确的HRTF估计是计算密集的,特别是使用神经网络模型.
- 现有的特定角度模型提供了高性能,但需要大量的计算资源.
研究的目的:
- 开发一种计算效率高的HRTF估计方法.
- 提高基于神经网络的HRTF预测模型的性能.
- 在HRTF估计中平衡性能和计算成本.
主要方法:
- 提出一种新的方法,涉及将HRTF数据空间分组成子空间.
- 通过有针对性的数据分组,减少每个子空间内的差异.
- 训练个人HRTF预测每个子空间的神经网络.
主要成果:
- 与全球模型相比,拟议的方法显示出更高的性能.
- 空间分组方法的表现优于传统的角度特定模型.
- 不同的分组策略对ipsilateral和contralateral方面显示出有效性.
结论:
- 空间分组HRTF数据为提高预测准确性提供了一个有效的策略.
- 拟议的方法为HRTF估计提供了一个平衡的解决方案,优化性能和计算负载.
- 这项技术推动了个性化空间音频和虚拟声学领域的发展.


