电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月1日
]
标题: 基于波形域神经网络的Ambisonics超分辨率
标题: Ambisonics Super-Resolution Using A Waveform-Domain Neural Network
摘要: Ambisonics是一种描述声场的空间音频格式。 一阶Ambisonics(FOA)是一种流行的格式,仅包含四个通道。 这种有限的通道数量以空间准确性为代价。 理想情况下,人们能够利用FOA格式的效率,而不受其限制。 我们设计了一种数据驱动的空间音频解决方案,保留了FOA格式的效率,但实现了超越传统渲染器的质量。 利用一个全卷积时域音频神经网络(Conv-TasNet),我们创建了一个解决方案,该方案接受FOA输入并提供更高阶的Ambisonics(HOA)输出。 与典型的基于物理和心理声学的渲染器相比,这种数据驱动的方法是新颖的。 定量评估显示,预测的和实际的第三阶HOA之间的平均位置均方误差差异为0.6dB。 中位数定性评分显示,相对于传统的渲染方法,感知质量提高了80%。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.