DiffusionRIR：基于扩散模型的房间脉冲响应插值
声音
2025-04-30 v1 人工智能
音频与语音处理
摘要
房间脉冲响应（RIR）刻画声学环境，对多个音频信号处理任务至关重要。高质量的RIR估计驱动着虚拟麦克风、声源定位、增强现实和数据增强等应用。然而，获取具有高空间分辨率的RIR测量数据耗费资源，大空间或需要密集采样时往往不可行。本研究针对在房间内对未测量位置估计RIR的挑战，采用去噪扩散概率模型（DDPM）。该方法利用RIR矩阵与图像填充类比，将RIR数据转换为适用于扩散重建的格式。我们基于图像方法的仿真RIR数据，展示了该方法在不同曲率的麦克风阵列（从线性到半圆）上的有效性。该方法成功重建了缺失的RIR，即使麦克风之间的间隔较大。在此条件下，方法实现了精确的重建，显著优于基线的三次样条插值，在归一化均方误差和余弦距离等指标上表现更佳。本研究凸显了利用生成模型进行有效RIR插值的潜力，为从有限的真实世界测量数据生成额外数据铺平了道路。
引用
@article{arxiv.2504.20625,
title = {DiffusionRIR: Room Impulse Response Interpolation using Diffusion Models},
author = {Sagi Della Torre and Mirco Pezzoli and Fabio Antonacci and Sharon Gannot},
journal= {arXiv preprint arXiv:2504.20625},
year = {2025}
}