NeuralSound：基于学习的带声学传递的模态声音合成
声音
2022-05-31 v4 图形学
音频与语音处理
摘要
我们提出一种新颖的基于学习的模态声音合成方法，包含用于模态分析的混合振动求解器以及用于声学传递的端到端声音辐射网络。我们的混合振动求解器由 3D 稀疏卷积网络和用于迭代优化的局部最优块预条件共轭梯度模块（LOBPCG）组成。此外，我们强调了标准模态振动求解器与我们的网络架构之间的关联。我们的辐射网络根据物体的表面振动预测远场声学传递图（FFAT Maps）。在 GTX 3080 Ti GPU 上，我们的学习方法对任意新物体的总运行时间少于一秒，同时保持接近使用标准数值方法计算的真实值的高声音质量。我们还在对应不同材料的各种物体上评估了声音合成方法的数值精度与感知精度。
引用
@article{arxiv.2108.07425,
title = {NeuralSound: Learning-based Modal Sound Synthesis With Acoustic Transfer},
author = {Xutong Jin and Sheng Li and Guoping Wang and Dinesh Manocha},
journal= {arXiv preprint arXiv:2108.07425},
year = {2022}
}