利用深度神经网络从多通道房间脉冲响应推断三维房间几何结构
音频与语音处理
2024-01-22 v1 声音
摘要
房间几何推断 (RGI) 旨在根据测量的房间脉冲响应 (RIR) 估计房间形状，并因其在环境感知音频渲染和真实场地的虚拟声学表示中的重要性而受到广泛关注。已有许多利用 RIR 中到达时间差 (TDoA) 或到达时间 (ToA) 信息的估计模型被提出。然而，为了应对各种房间形状和不确定性（如未知墙壁数量），估计模型应能够处理反射之间更一般的特征和复杂关系。在本研究中，我们提出了一种深度神经网络，能够在不对房间形状或墙壁数量作先验假设的情况下估计各种房间形状。所提模型由三个子网络组成：特征提取器、参数估计和评估网络，分别用于从 RIR 中提取关键特征、估计参数以及评估估计参数的置信度。该网络使用单个声源和球形麦克风阵列在不同形状房间中模拟的约 40,000 个 RIR 进行训练，并在未见过的形状和尺寸的房间上进行测试。所提算法在寻找真实墙壁数量方面达到了几乎完美的准确率，并且在房间形状上的误差可忽略不计。
引用
@article{arxiv.2401.10453,
title = {3D Room Geometry Inference from Multichannel Room Impulse Response using Deep Neural Network},
author = {Inmo Yeon and Jung-Woo Choi},
journal= {arXiv preprint arXiv:2401.10453},
year = {2024}
}
备注
5 pages, 2 figures, Proceedings of the 24th International Congress on Acoustics