使用球面神经过程元学习器的 HRTF 插值
音频与语音处理
2023-10-23 v1 机器学习
摘要
近来已提出若干个体化方法，利用人体测量数据或耳廓照片等便捷输入模态来估计受试者的头相关传输函数（HRTF）。存在一种需求：利用通过声学测量或感知反馈获取的受试者 HRTF 的少量数据点样本，自适应地修正此类方法所犯的估计误差。为此，我们引入一种专用于 HRTF 误差插值的卷积条件神经过程元学习器。特别地，该模型包含球面卷积神经网络组件以适配 HRTF 数据的球面几何结构。它还利用了 HRTF 左右通道关于中间轴的潜在对称性。在本文中，我们在简化的设定下纯粹从时间对齐频谱插值角度评估所提模型的性能：其中通用群体平均 HRTF 构成修正前的初始估计，而非个体化估计。尽管仅使用 85 名受试者训练，该训练模型相较最先进插值方法实现了高达 3 dB 的相对误差降低。这一改进意味着达到可比精度所需的数据点数量近乎减半，具体而言从 50 个降至 28 个数据点，以使每个插值特征的平均相对误差达到 -20 dB。此外，我们表明训练模型提供了良好校准的不确定性估计。相应地，此类估计可为获取尽可能少的修正 HRTF 数据点以满足期望个体化精度水平的序贯决策问题提供信息。
引用
@article{arxiv.2310.13430,
title = {HRTF Interpolation using a Spherical Neural Process Meta-Learner},
author = {Etienne Thuillier and Craig Jin and Vesa Välimäki},
journal= {arXiv preprint arXiv:2310.13430},
year = {2023}
}
备注
12 pages. 11 figures. Submitted for publication in IEEE/ACM Transactions on Audio, Speech and Language Processing (T-ASL)