효율적인 조건부 역전 신경망을 이용한 음장 재구성
본 연구는 조건부 역전 신경망(CINN)을 이용하여 잔향 환경에서 효율적으로 음장을 추정하는 방법을 제안한다. CINN은 실험 오류, 제한적인 공간 데이터, 모델 불일치, 긴 추론 시간 등의 문제를 해결하고 불확실성을 고려하여 정확성과 효율성을 균형있게 달성할 수 있다.
원형 청취 영역에서 음향 속도 벡터 재현
원형 청취 영역에서 음향 속도 벡터를 재현하기 위한 음장 재현 알고리즘을 제안한다. 이를 통해 청취자의 움직임을 허용하면서도 저주파 영역에서 음향 속도 벡터를 정확하게 재현할 수 있다.
실시간 음향 이벤트 탐지, 위치 추정 및 거리 측정을 위한 통합 모델 개발
본 연구에서는 음향 이벤트 탐지, 위치 추정 및 거리 측정을 동시에 수행할 수 있는 통합 모델을 제안한다. 다중 작업 접근법과 확장된 ACCDOA 방식을 통해 이 세 가지 과제를 효과적으로 해결하고자 한다.
실시간 음향 이벤트 탐지, 위치 추정 및 거리 추정을 위한 통합 모델 개발
본 연구에서는 음향 이벤트 탐지, 위치 추정 및 거리 추정을 동시에 수행할 수 있는 통합 모델을 제안한다. 다중 작업 접근법과 확장된 multi-ACCDOA 방식을 비교 분석하여 최적의 모델 구조와 손실 함수를 도출한다.
실제 공간 음원 위치 및 거리 추정을 위한 음향 이벤트 탐지 및 위치 추정
본 연구에서는 음향 이벤트 탐지, 위치 추정 및 거리 추정을 동시에 수행하는 방법을 제안한다. 두 가지 접근법을 연구하였는데, 하나는 다중 작업 접근법이고 다른 하나는 확장된 multi-ACCDOA 방법이다. 이를 통해 음원의 완전한 3D 위치 정보를 얻을 수 있다.
무감독 음향 특징 및 차원 축소 기반 음향 장면 매핑
본 연구는 음향 전달 함수(RTF)를 특징으로 사용하고 최근 제안된 지역 컨포멀 오토인코더(LOCA) 차원 축소 기법을 적용하여 음향 장면을 효과적으로 매핑하는 무감독 데이터 주도 접근법을 제안한다.
© 2024 by Linnk AI