• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Audio Engineering Society international convention >On Data-Driven Approaches to Head-Related Transfer Function Personalization
【24h】

On Data-Driven Approaches to Head-Related Transfer Function Personalization

机译：基于数据的头相关传递函数个性化方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Head-Related Transfer Function (HRTF) personalization is key to improving spatial audio perception and localization in virtual auditory displays. We investigate the task of personalizing HRTFs from anthropometric measurements, which can be decomposed into two sub tasks: Interaural Time Delay (ITD) prediction and HRTF magnitude spectrum prediction. We explore both problems using state-of-the-art Machine Learning (ML) techniques. Firstly, we show that ITD prediction can be significantly improved by smoothing the ITD using a spherical harmonics representation. Secondly, our results indicate that prior unsupervised dimensionality reduction-based approaches may be unsuitable for HRTF personalization. Lastly, we show that neural network models trained on the full HRTF representation improve HRTF prediction compared to prior methods.
机译：头部相关传递函数（HRTF）个性化是改善虚拟听觉显示器中空间音频感知和定位的关键。我们从人体测量学中研究个性化HRTF的任务，该任务可以分解为两个子任务：听觉时间延迟（ITD）预测和HRTF幅度谱预测。我们使用最先进的机器学习（ML）技术探索这两个问题。首先，我们表明可以通过使用球谐函数表示平滑ITD来显着改善ITD预测。其次，我们的结果表明，先前基于无监督降维的方法可能不适用于HRTF个性化。最后，我们表明，与以前的方法相比，在完整HRTF表示上训练的神经网络模型提高了HRTF预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号