利用物理信息神经网络进行头相关传输函数的空间上采样
音频与语音处理
2023-12-12 v2
摘要
头相关传输函数（HRTF）捕捉一个人用来在空间中对声源定位的信息，因此对创建个性化虚拟声学体验至关重要。然而，实用的 HRTF 测量系统可能仅能稀疏地测量一个人的 HRTF，这就需要对 HRTF 进行上采样。本文提出一种用于 HRTF 上采样的物理信息神经网络（PINN）方法。该 PINN 利用声波传播的支配方程亥姆霍兹方程来正则化上采样过程。这有助于生成在物理上有效的上采样结果，其泛化能力超越所测 HRTF。此外，PINN 的规模（宽度和深度）根据亥姆霍兹方程及其解球谐函数（SHs）来设定。这使得 PINN 具有适当的表达能力，从而不会遭受过拟合问题。由于 PINN 的设计独立于任何特定 HRTF 数据集，与纯数据驱动方法相比它提供了更强的泛化能力。数值实验证实了在插值和外推场景下，PINN 方法相对于 SH 方法和 HRTF 场方法在 HRTF 上采样上具有更好的性能。
引用
@article{arxiv.2307.14650,
title = {Spatial Upsampling of Head-Related Transfer Functions Using a Physics-Informed Neural Network},
author = {Fei Ma and Thushara D. Abhayapala and Prasanga N. Samarasinghe and Xingyu Chen},
journal= {arXiv preprint arXiv:2307.14650},
year = {2023}
}