电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月30日
]
标题: 深度学习用于个性化双耳音频再现
标题: Deep Learning for Personalized Binaural Audio Reproduction
摘要: 个性化双耳音频再现是实现真实空间定位、声音外化和沉浸式聆听的基础,直接影响用户体验和听觉努力程度。 本综述回顾了该任务的深度学习最新进展,并根据生成机制将其分为两种范式:显式个性化滤波和端到端渲染。 显式方法从稀疏测量、形态特征或环境线索中预测个性化的头部相关传递函数(HRTFs),然后在传统渲染流程中使用它们。 端到端方法通过其他输入(如视觉、文本或参数指导)辅助,将源信号直接映射到双耳信号,并在模型内部学习个性化。 我们还总结了该领域的主要数据集和评估指标,以支持公平和可重复的比较。 最后,我们讨论了这些技术带来的关键应用、当前的技术限制以及基于深度学习的空间音频系统的潜在研究方向。
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.