又一种用于房间脉冲响应估计的生成模型
声音
2023-11-07 v1 音频与语音处理
摘要
近期的神经房间脉冲响应（RIR）估计器通常包含用于参考音频分析的编码器与用于 RIR 合成的生成器。其中，生成器的性能直接决定整体估计质量。在此背景下，我们探索了一种替代生成器架构以提升性能。我们首先训练一个带残差量化的自编码器来学习离散潜在词元空间，其中每个词元表示 RIR 的一个小时频块。随后，我们将 RIR 估计问题转化为参考条件化的自回归词元生成任务，采用在频率、时间与量化深度轴上运作的 transformer 变体。由此，我们同时解决了标准盲估计任务与额外的声学匹配问题，后者旨在寻找能使源信号与目标信号混响特性相匹配的 RIR。实验结果表明，我们的系统在多项评价指标上优于其他基线。
引用
@article{arxiv.2311.02581,
title = {Yet Another Generative Model For Room Impulse Response Estimation},
author = {Sungho Lee and Hyeong-Seok Choi and Kyogu Lee},
journal= {arXiv preprint arXiv:2311.02581},
year = {2023}
}
备注
WASPAA 2023