真实的声源、接收器与墙壁提升虚拟监督盲声学参数估计器的泛化能力
声音
2022-07-20 v1 音频与语音处理
摘要
盲声学参数估计指从未知声源录音中推断环境的声学特性。由于真实标注测量数据有限，该领域近期工作利用部分或完全在模拟数据上训练的深度神经网络。本文中，我们研究纯粹使用快速镜像声源房间脉冲响应模拟器训练的模型能否泛化到真实数据。我们针对精心构建的模拟训练集进行消融研究，这些训练集考虑了声源、接收器和墙壁响应中不同层次的真实感。真实感程度由墙壁吸声系数的采样以及对麦克风和声源施加实测指向性模式来控制。在这些数据集上训练的最先进模型，被评估于从多通道语音录音联合估计房间体积、总表面积和倍频带混响时间的任务。结果显示，训练时每增添一层模拟真实感都显著改善了对真实信号所有量的估计。
引用
@article{arxiv.2207.09133,
title = {Realistic sources, receivers and walls improve the generalisability of virtually-supervised blind acoustic parameter estimators},
author = {Prerak Srivastava and Antoine Deleforge and Emmanuel Vincent},
journal= {arXiv preprint arXiv:2207.09133},
year = {2022}
}