用于 HRTF 上采样与个性化的检索增强神经场
音频与语音处理
2025-01-23 v1 声音
摘要
具有密集空间网格的头相关传递函数（HRTFs）是生成沉浸式双耳音频所需要的，但其录制过程耗时。尽管 HRTF 空间上采样在神经场方面取得了显著进展，但仅从少数几个测量方向（例如 3 或 5 次测量）进行空间上采样仍然具有挑战性。为了解决这个问题，我们提出了一种检索增强神经场（RANF）。RANF 从数据集中检索出其 HRTFs 接近目标受试者的受试者。除了声源方向本身之外，检索到的受试者在目标方向上的 HRTF 也被输入到神经场中。此外，受一种称为变换-平均-拼接的多通道处理技术的启发，我们提出了一种能够高效处理多个检索受试者的神经网络。我们的实验证实了 RANF 在 SONICOM 数据集上的优势，并且它是 2024 年听者声学个性化挑战赛任务 2 的获胜解决方案的关键组件。
引用
@article{arxiv.2501.13017,
title = {Retrieval-Augmented Neural Field for HRTF Upsampling and Personalization},
author = {Yoshiki Masuyama and Gordon Wichern and François G. Germain and Christopher Ick and Jonathan Le Roux},
journal= {arXiv preprint arXiv:2501.13017},
year = {2025}
}
备注
Accepted to ICASSP 2025