关于头相关传输函数测量设置差异对机器学习相关性的研究
音频与语音处理
2022-12-09 v1 人工智能
机器学习
声音
摘要
随着空间音频的日益流行，在其他领域已被证明成功的 data-driven 机器学习技术正越来越多地用于处理头相关传输函数（head-related transfer function, HRTF）测量。然而，这些技术需要大量数据，而现有数据集的数据点从数十到数百不等。因此，尽管这些数据集是在不同条件下测量的，合并多个此类数据集变得具有吸引力。在本文中，我们首先确立若干数据集之间的共同点，然后研究混合数据集的潜在陷阱。我们进行了一个简单实验，以测试在应用机器学习技术时数据集之间剩余差异的相关性。最后，我们指出了最相关的差异。
引用
@article{arxiv.2212.04283,
title = {On The Relevance Of The Differences Between HRTF Measurement Setups For Machine Learning},
author = {Johan Pauwels and Lorenzo Picinali},
journal= {arXiv preprint arXiv:2212.04283},
year = {2022}
}