预计算声传播的互惠潜在场
声音
2026-02-09 v1 机器学习
音频与语音处理
摘要
真实的声传播对于虚拟场景的沉浸式体验至关重要,但基于波的物理准确模拟在实时应用中仍Computationally prohibitive. 波编码方法通过预计算并压缩给定场景的冲击响应,编码为一组标量声学参数,但在包含众多源-接收器对的大型环境中可达不可管理的大小. 我们引入 Reciprocal Latent Fields (RLF),一个高效的框架用于编码和预测这些声学参数. RLF 框架采用可训练的潜在嵌入的体积网格,通过对称函数解码,确保声学互惠性. 我们研究了各种解码器,并表明利用黎曼度量学习可更好地再现复杂场景中的声学现象. 实验验证表明,RLF 在保持复制质量的同时,显著降低了内存占用. 此外,一项类似 MUSHRA 的主观听力测试表明,通过 RLF 渲染的声音与真实模拟声学无可区分.
引用
@article{arxiv.2602.06937,
title = {Reciprocal Latent Fields for Precomputed Sound Propagation},
author = {Hugo Seuté and Pranai Vasudev and Etienne Richan and Louis-Xavier Buffoni},
journal= {arXiv preprint arXiv:2602.06937},
year = {2026}
}
备注
Temporary pre-print, will be updated. In review at a conference