| 講演抄録/キーワード |
| 講演名 |
2022-03-02 15:35
[ポスター講演]球波動関数展開を用いた深層学習による少数測定データからの頭部伝達関数補間 ○伊藤悠貴・中村友彦・小山翔一・猿渡 洋(東大) EA2021-90 SIP2021-117 SP2021-75 |
| 抄録 |
(和) |
臨場感のあるバイノーラル信号を合成するためには受聴者本人の頭部伝達関数(head-related transfer function: HRTF)を用いることが望ましい.HRTFの計測には時間がかかるため,少数の観測からHRTFを補間できればより簡便な測定で済み利便性が向上する.従来の球波動関数展開によるHRTF補間方法では任意音源位置のHRTFを簡便に補間できるものの,観測点が少なくなるに従い補間性能が低下する傾向にあった.そこで本稿では,球波動関数展開によるHRTFの表現方法とメタ学習を組み合わせた,深層学習に基づく少数観測点からのHRTF補間手法を提案する.メタ学習では少数観測点から補間を行う状況を模倣して深層ニューラルネットワークを訓練するため,提案法は観測点数が少ない場合でも安定して動作できる.HRTF補間実験により,提案法は観測点数が少ない場合に従来法よりも高精度に補間が可能であることを示した. |
| (英) |
In binaural synthesis, listeners' individual head-related transfer functions (HRTFs) are necessary for highly-immersive spatial audio. Since HRTF measurement is generally time-consuming, it will be helpful if high-resolution HRTFs are interpolated from a small number of HRTFs obtained by a simple measurement procedure. One of the established HRTF interpolation methods is the method based on spherical wavefunction expansion, which allows estimating HRTFs at arbitrary direction and distance in a simple manner; however, its interpolation accuracy deteriorates as the number of measurements decreases. We propose a deep-neural-network (DNN)-based HRTF interpolation method combining the representation using spherical wavefunction expansion and meta-learning. Since meta-learning simulates the process of interpolation from a small number of measurements to learn DNN using training data, the proposed method will stably estimate HRTFs even when the number of measurements is insufficient. Experimental results indicated that the proposed method achieves high interpolation accuracy compared with the current method when the number of measurements is small. |
| キーワード |
(和) |
頭部伝達関数 / 頭部伝達関数補間 / 深層学習 / メタ学習 / few-shot learning / 球波動関数展開 / / |
| (英) |
head-related transfer functions / HRTF interpolation / deep learning / meta-learning / few-shot learning / spherical wavefunction expansion / / |
| 文献情報 |
信学技報, vol. 121, no. 383, EA2021-90, pp. 163-170, 2022年3月. |
| 資料番号 |
EA2021-90 |
| 発行日 |
2022-02-22 (EA, SIP, SP) |
| ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
| PDFダウンロード |
EA2021-90 SIP2021-117 SP2021-75 |
| 研究会情報 |
| 研究会 |
EA SIP SP IPSJ-SLP |
| 開催期間 |
2022-03-01 - 2022-03-02 |
| 開催地(和) |
沖縄県立博物館・美術館 |
| 開催地(英) |
|
| テーマ(和) |
応用/電気音響, 信号処理,音声,一般 |
| テーマ(英) |
|
| 講演論文情報の詳細 |
| 申込み研究会 |
EA |
| 会議コード |
2022-03-EA-SIP-SP-SLP |
| 本文の言語 |
日本語 |
| タイトル(和) |
球波動関数展開を用いた深層学習による少数測定データからの頭部伝達関数補間 |
| サブタイトル(和) |
|
| タイトル(英) |
Interpolation of head-related transfer function from small amount of observation data using deep learning based on spherical wavefunction expansion |
| サブタイトル(英) |
|
| キーワード(1)(和/英) |
頭部伝達関数 / head-related transfer functions |
| キーワード(2)(和/英) |
頭部伝達関数補間 / HRTF interpolation |
| キーワード(3)(和/英) |
深層学習 / deep learning |
| キーワード(4)(和/英) |
メタ学習 / meta-learning |
| キーワード(5)(和/英) |
few-shot learning / few-shot learning |
| キーワード(6)(和/英) |
球波動関数展開 / spherical wavefunction expansion |
| キーワード(7)(和/英) |
/ |
| キーワード(8)(和/英) |
/ |
| 第1著者 氏名(和/英/ヨミ) |
伊藤 悠貴 / Yuki Ito / イトウ ユウキ |
| 第1著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
| 第2著者 氏名(和/英/ヨミ) |
中村 友彦 / Tomohiko Nakamura / ナカムラ トモヒコ |
| 第2著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
| 第3著者 氏名(和/英/ヨミ) |
小山 翔一 / Shoichi Koyama / コヤマ ショウイチ |
| 第3著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
| 第4著者 氏名(和/英/ヨミ) |
猿渡 洋 / Hiroshi Saruwatari / サルワタリ ヒロシ |
| 第4著者 所属(和/英) |
東京大学 (略称: 東大)
The University of Tokyo (略称: UTokyo) |
| 第5著者 氏名(和/英/ヨミ) |
/ / |
| 第5著者 所属(和/英) |
(略称: )
(略称: ) |
| 第6著者 氏名(和/英/ヨミ) |
/ / |
| 第6著者 所属(和/英) |
(略称: )
(略称: ) |
| 第7著者 氏名(和/英/ヨミ) |
/ / |
| 第7著者 所属(和/英) |
(略称: )
(略称: ) |
| 第8著者 氏名(和/英/ヨミ) |
/ / |
| 第8著者 所属(和/英) |
(略称: )
(略称: ) |
| 第9著者 氏名(和/英/ヨミ) |
/ / |
| 第9著者 所属(和/英) |
(略称: )
(略称: ) |
| 第10著者 氏名(和/英/ヨミ) |
/ / |
| 第10著者 所属(和/英) |
(略称: )
(略称: ) |
| 第11著者 氏名(和/英/ヨミ) |
/ / |
| 第11著者 所属(和/英) |
(略称: )
(略称: ) |
| 第12著者 氏名(和/英/ヨミ) |
/ / |
| 第12著者 所属(和/英) |
(略称: )
(略称: ) |
| 第13著者 氏名(和/英/ヨミ) |
/ / |
| 第13著者 所属(和/英) |
(略称: )
(略称: ) |
| 第14著者 氏名(和/英/ヨミ) |
/ / |
| 第14著者 所属(和/英) |
(略称: )
(略称: ) |
| 第15著者 氏名(和/英/ヨミ) |
/ / |
| 第15著者 所属(和/英) |
(略称: )
(略称: ) |
| 第16著者 氏名(和/英/ヨミ) |
/ / |
| 第16著者 所属(和/英) |
(略称: )
(略称: ) |
| 第17著者 氏名(和/英/ヨミ) |
/ / |
| 第17著者 所属(和/英) |
(略称: )
(略称: ) |
| 第18著者 氏名(和/英/ヨミ) |
/ / |
| 第18著者 所属(和/英) |
(略称: )
(略称: ) |
| 第19著者 氏名(和/英/ヨミ) |
/ / |
| 第19著者 所属(和/英) |
(略称: )
(略称: ) |
| 第20著者 氏名(和/英/ヨミ) |
/ / |
| 第20著者 所属(和/英) |
(略称: )
(略称: ) |
| 第21著者 氏名(和/英/ヨミ) |
/ / |
| 第21著者 所属(和/英) |
(略称: )
(略称: ) |
| 第22著者 氏名(和/英/ヨミ) |
/ / |
| 第22著者 所属(和/英) |
(略称: )
(略称: ) |
| 第23著者 氏名(和/英/ヨミ) |
/ / |
| 第23著者 所属(和/英) |
(略称: )
(略称: ) |
| 第24著者 氏名(和/英/ヨミ) |
/ / |
| 第24著者 所属(和/英) |
(略称: )
(略称: ) |
| 第25著者 氏名(和/英/ヨミ) |
/ / |
| 第25著者 所属(和/英) |
(略称: )
(略称: ) |
| 第26著者 氏名(和/英/ヨミ) |
/ / |
| 第26著者 所属(和/英) |
(略称: )
(略称: ) |
| 第27著者 氏名(和/英/ヨミ) |
/ / |
| 第27著者 所属(和/英) |
(略称: )
(略称: ) |
| 第28著者 氏名(和/英/ヨミ) |
/ / |
| 第28著者 所属(和/英) |
(略称: )
(略称: ) |
| 第29著者 氏名(和/英/ヨミ) |
/ / |
| 第29著者 所属(和/英) |
(略称: )
(略称: ) |
| 第30著者 氏名(和/英/ヨミ) |
/ / |
| 第30著者 所属(和/英) |
(略称: )
(略称: ) |
| 第31著者 氏名(和/英/ヨミ) |
/ / |
| 第31著者 所属(和/英) |
(略称: )
(略称: ) |
| 第32著者 氏名(和/英/ヨミ) |
/ / |
| 第32著者 所属(和/英) |
(略称: )
(略称: ) |
| 第33著者 氏名(和/英/ヨミ) |
/ / |
| 第33著者 所属(和/英) |
(略称: )
(略称: ) |
| 第34著者 氏名(和/英/ヨミ) |
/ / |
| 第34著者 所属(和/英) |
(略称: )
(略称: ) |
| 第35著者 氏名(和/英/ヨミ) |
/ / |
| 第35著者 所属(和/英) |
(略称: )
(略称: ) |
| 第36著者 氏名(和/英/ヨミ) |
/ / |
| 第36著者 所属(和/英) |
(略称: )
(略称: ) |
| 講演者 |
第1著者 |
| 発表日時 |
2022-03-02 15:35:00 |
| 発表時間 |
120分 |
| 申込先研究会 |
EA |
| 資料番号 |
EA2021-90, SIP2021-117, SP2021-75 |
| 巻番号(vol) |
vol.121 |
| 号番号(no) |
no.383(EA), no.384(SIP), no.385(SP) |
| ページ範囲 |
pp.163-170 |
| ページ数 |
8 |
| 発行日 |
2022-02-22 (EA, SIP, SP) |
|