Synthesizer Preset Interpolation using Transformer Auto-Encoders
University of Mons（蒙斯大学）；HE2B-ISIB Research Institute（HE2B-ISIB研究院）
声音合成器在现代音乐制作中很普遍，但它们越来越需要掌握专业技能。这项工作的重点是插值之间的，即，所有声音合成参数的值的集合，以使得能够从现有声音直观地创建新声音。我们介绍了一个双模态自动编码器神经网络，它同时处理使用多头注意力块和使用卷积的音频。该模型已在一个流行的频率调制合成器上进行了测试，有一百多个参数。实验将该模型与相关的架构和方法进行了比较，并证明了它执行更平滑的插值。训练后，所提出的模型可以集成到商业合成器中，用于现场插值或声音设计任务。
2023-03-09 cs.LG cs.SD eess.AS
Anomalous sound detection based on interpolation deep neural network
Hitachi, Ltd.（日立有限公司）
随着劳动力的减少，对进行工业设备维护的节省劳动力的自动异常声音检测技术的需求已经增长。常规方法基于自动编码器的重构误差来检测异常。然而，当目标机器声音是非平稳的时，重建误差倾向于与异常无关地大，并且其变化由于预测边缘帧的困难而增加。为了解决这个问题，我们提出了一种异常检测的方法，在该方法中，该模型利用多帧的频谱图，其中心帧被删除作为输入，并预测删除的帧的插值作为输出。该方法不需要预测边缘帧，而是使重建误差与异常一致。实验结果表明，基于标准AUC评分，所提出的方法实现了27%的改善，尤其是针对非平稳机械声音。
2020-05-19 cs.LG cs.SD eess.AS
Sound Field Interpolation Using Physics-Informed Extreme Learning Machine with Pre-Training
Tokyo Denki University（东京电机大学）
提出一种结合PINN预训练与PIELM的混合框架，通过闭式输出层适应替代迭代微调，在保持插值精度的同时将适应时间降低三个数量级。
2026-10-09 eess.AS
Physics-Informed Machine Learning For Sound Field Estimation
本文介绍了用于声场估计的物理信息机器学习（PIML）基础知识，并概述了当前基于PIML的声场估计方法，强调引入声场物理特性作为先验信息对提升估计性能的重要性。
2024-08-27 cs.SD eess.AS
CAESynth: Real-Time Timbre Interpolation and Pitch Control with Conditional Autoencoders
Sungkyunkwan University（成均馆大学）
在本文中，我们提出了一种新的音频合成器，CAESynth，基于条件自编码器。CAESynth通过在参考声音共享的潜在特征空间中插入参考声音，同时独立控制音高，从而实时的【形】合成音色。我们表明，基于音色分类的准确性以及音高内容的对抗性正则化来训练条件自动编码器，可以使潜在空间中的音色分布对于音色插值和音高调节更加有效和稳定。所提出的方法不仅适用于音乐线索的创建，而且还适用于基于新颖的音色与环境声音的混合物的混合现实中的音频启示的探索。我们通过实验证明，CAESynth通过音色插值和独立而准确的音调控制音乐线索以及环境声音的音频启示，实现了实时的【形】平滑和高保真的音频合成。Python实现以及一些生成的示例在线共享。
2021-11-09 cs.LG cs.SD eess.AS
HODGEPODGE: Sound event detection based on ensemble of semi-supervised learning methods
Fujitsu Research and Development Center（富士通研究开发中心）；Shuangfeng First（双峰第一）
在本文中，我们提出了一种名为HODGEPODGE \footnotemark [1]的方法，用于使用弱标记，合成和未标记的数据来大规模检测声音事件，该数据在声学场景和事件的检测和分类（DCASE）2019挑战任务4中提出：国内环境中的声音事件检测。为了执行这项任务，我们采用卷积递归神经网络（CRNN）作为我们的骨干网络。为了处理少量标记数据和大量未标记的域内数据，我们的目标主要集中在如何有效地应用半监督学习方法，以充分利用有限的数据。在我们的系统中使用了三个半监督学习原则，包括：1）一致性正则化应用数据增强; 2）MixUp正则化器要求两个输入的插值预测接近每个输入的预测插值; 3）MixUp正则化应用于数据增强之间的插值。我们还尝试了各种模型的集成，这些模型是通过使用不同的半监督学习原则进行训练的。我们提出的方法显着提高了基线的性能，实现了42.0%的基于事件的f-测量相比，25.8%的基于事件的f-测量的基线在提供的官方评估数据集。我们的参赛作品在任务4的18支队伍中排名第三。
2019-07-17 cs.SD eess.AS
Kernel Learning For Sound Field Estimation With L1 and L2 Regularizations
The University of Tokyo（东京大学）
提出了一种从离散麦克风测量估计声场的方法。使用针对声场插值而制定的核函数的基于核插值的方法已经被用于各种应用中。方向加权核函数可以结合源方向的先验信息，提高估计精度。然而，在先前的研究中，用于方向加权的参数已经根据经验确定。我们提出了一种方法来优化这些参数使用观测值，这是特别有用的源方向的先验信息是不确定的。该算法是基于离散化的参数和表示的核函数作为一个加权和的子内核。两种类型的正则化的权重，$L_1$和$L_2$，进行了研究。实验结果表明，该方法比无核学习的方法具有更高的估计精度。
2021-10-12 cs.SD eess.AS
Exterior sound field estimation based on physics-constrained kernel
Yamaha Corporation（雅马哈公司）
本文提出基于物理约束核的外部声场估计方法，通过高斯过程和可训练内积公式实现灵活估计，降低插值误差并提高重建一致性。
2026-02-05 eess.AS
Multizone sound field reproduction with direction-of-arrival-distribution-based regularization and its application to binaural-centered mode-matching
Graduate School of Engineering, Kyoto University（京都大学工学研究科）；Research and Development Division, Yamaha Corporation（雅马哈公司研发部门）
本文提出基于到达方向分布的正则化方法，用于多区域声场重现及双耳中心模式匹配，通过抑制非目标方向次级源增益，提升远离中心区域的再现精度。
2025-02-22 cs.SD eess.AS
Spherical Harmonic Sliced Wasserstein Displacement Interpolation for Acoustic Source and Reflection Density Modeling
NuSpace Audio
本文提出球谐切片Wasserstein插值方法，用于声源与反射密度建模，通过新展开高效拟合密度并评估插值，实验证明优于线性与几何插值并实现模型降阶。
2026-09-21 cs.SD eess.AS eess.SP
Direction-Aware Neural Acoustic Fields for Few-Shot Interpolation of Ambisonic Impulse Responses
Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室）；New York University（纽约大学）
针对现有神经场方法无法精确捕捉声场单点方向特性的问题，提出融入Ambisonic格式RIR方向信息的方向感知神经场及对应损失函数，并探究其适配新房间的能力。
2025-05-19 cs.AI cs.CV cs.LG
Kernel-interpolation-based spatial active noise control with exterior radiation suppression
提出两种基于声场核插值的空间有源噪声控制方法，通过最小化内部声势能与外部辐射功率之和或施加不等式约束，在降低目标区域噪声的同时抑制外部辐射。
2023-03-31 eess.AS
Head-Related Transfer Function Interpolation with a Spherical CNN
Australian National University（澳大利亚国立大学）
针对高分辨率HRTF获取困难且现有图像超分辨率方法忽略空间声学特征的问题，提出一种基于球面谐波的球面卷积神经网络HRTF插值方法，有效捕捉空间特征并在稀疏测量下实现更精确的插值。
2023-09-15 cs.SD eess.AS
Audio signal interpolation using optimal transportation of spectrograms
IRIT, Université de Toulouse（IRIT，图卢兹大学）；IMB, Université de Bordeaux（IMB，波尔多大学）；IRIT, CNRS, Université de Toulouse（IRIT，国家科学研究中心，图卢兹大学）
提出一种基于谱图Wasserstein重心及非平衡最优传输的音频插值方法，全局处理谱图并设计特定成本矩阵，实现源与目标声音间的平滑过渡。
2025-04-22 cs.SD eess.AS eess.SP
Resonant Processing of Instrumental Sound Controlled by Spatial Position
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
我们提出了一种声学乐器，通过另一种声音的共振模型发挥。共振模型作为复合仪器的一部分被实时的控制。我们的实现使用的电小提琴，其空间位置修改的谐振模型的滤波器参数。单纯插值定义了从空间位置到滤波器参数的映射。通过一些努力，音调跟踪也可以控制滤波器参数。运动跟踪、音高跟踪、共振模型等单独的技术很容易适应其他乐器。
2020-10-04 cs.HC cs.SD eess.AS
Weighted Pressure and Mode Matching for Sound Field Reproduction: Theoretical and Experimental Comparisons
The University of Tokyo（东京大学）；Tokyo Metropolitan University（东京都立大学）
从理论和实验上对两种声场再现方法--加权声压匹配法和加权模式匹配法进行了比较。加权压力和模式匹配分别是传统压力和模式匹配的推广。这两种方法都是通过在压力和模式匹配中引入加权矩阵而得到的。加权压力匹配中的加权矩阵是基于来自控制点的离散集合处的压力的声场的核插值来定义的。在加权模式匹配中，加权矩阵由球面波函数的区域积分定义。从理论上证明了加权压力匹配是由压力观测值估计膨胀系数的无限维调和分析加权模式匹配的一种特殊情况。通过实验讨论了两种方法的区别。
2023-03-23 cs.SD eess.AS
A convolutional plane wave model for sound field reconstruction
Technical University of Denmark（丹麦技术大学）
空间声场插值依赖于合适的模型，以符合可用的测量值并预测感兴趣域中的声场。当感兴趣的空间域与波长相比较大时，或者当存在球面和平面波前时，或者当声场复杂时（如在近场中），可能难以确定合适的模型。为了跨越这种复杂的声场，全局重建任务可以被划分为局部子域问题。以前的研究表明，分区方法依赖于每个域内的足够的测量，由于模型系数的数量较多。本研究提出了一个联合分析的所有本地子域，同时执行相邻分区之间的自相似性。更具体地，局部平面波表示的系数被寻求具有空间平滑的幅度。用平面波滤波器建立了声场的卷积模型，并用交替方向乘法求解了声场的逆重建问题。模拟和测量声场的实验表明，所提出的方法既保留了局部模型的灵活性，以符合复杂的声场，也保留了全局结构，从较少的测量重建。
2022-11-07 cs.SD eess.AS
Spatial Interpolation of Room Impulse Responses based on Deeper Physics-Informed Neural Networks with Residual Connections
Tokyo Denki University（东京电大学）
本文提出一种基于深度物理信息神经网络与残差连接的RIR空间插值方法，通过比较不同激活函数发现正弦波激活函数在插值和外推任务中表现最佳，同时提升了模型稳定性和反射成分估计精度。
2026-02-18 eess.AS
SoundSculpt: Direction and Semantics Driven Ambisonic Target Sound Extraction
University of Washington（华盛顿大学）；Google AR（谷歌AR）；Google DeepMind（谷歌DeepMind）
本文提出神经网络SoundSculpt，通过结合空间方向与语义嵌入条件，从ambisonic录音中提取目标声场，实验证明其优于信号处理基线，且在复杂声源场景下结合双重信息效果更佳。
2025-05-30 cs.LG cs.SD eess.AS
Sound Zone Control Robust To Sound Speed Change
Aalborg University（奥尔堡大学）
针对声速变化导致声场控制滤波器失效的问题，提出SICER模型校正脉冲响应，并结合VAST框架，显著提升了声学对比度并减少信号失真。
2024-10-10 cs.SD eess.AS
Reconstruction of Sound Field through Diffusion Models
Politecnico di Milano（米兰理工大学）
本文首次提出基于条件去噪扩散概率模型的声场重建方法SF-Diff，利用有限频率测量值在扩展域内生成未知位置声场，并在模态频率范围内优于核插值基线。
2024-02-21 cs.LG cs.SD eess.AS
Zones of quiet in a broadband diffuse sound field
本研究基于宽带扩散声场时空相关性的最新成果，构建了预测宽带扩散声场静区扩展的理论框架，推导了次级声源近远场静区，并通过仿真验证了低通噪声静区与中心频率纯音静区近似相当的结论，可用于分析局部有源声控的声学限制。
2023-10-06 eess.AS
CNN-based Robust Sound Source Localization with SRP-PHAT for the Extreme Edge
KU Leuven（鲁汶大学）
针对边缘设备声源定位模型庞大的问题，本文基于Cross3D提出LC-SRP-Edge和Cross3D-Edge算法，大幅降低计算复杂度与内存开销，在保持精度的同时实现7.26倍延迟降低。
2025-03-03 cs.SD eess.AS
A Multimodal Data Fusion Generative Adversarial Network for Real Time Underwater Sound Speed Field Construction
Faculty of Information Science and Engineering, Ocean University of China（中国海洋大学信息科学与工程学院）；Hanjiang National Laboratory（汉江国家实验室）；School of Space Science and Technology, Shandong University (Weihai)（山东大学（威海）空间科学与技术学院）；China Waterborne Transport Research Institute（中国水上运输研究院）；China Ship Research and Development Academy（中国船舶研究与发展院）
本文提出MDF-RAGAN模型，通过多源融合和跨模态注意力机制提升水下声速场构建精度，实验显示其在误差小于0.3m/s的情况下优于现有方法。
2026-04-16 cs.SD eess.AS eess.SP
NIIRF: Neural IIR Filter Field for HRTF Upsampling and Personalization
MERL（三菱电机研究实验室）
提出 NIIRF，用神经场预测级联 IIR 滤波器系数以实现 HRTF 空间上采样，并结合低秩自适应支持个性化，在稀疏测量下优于现有 NF 方法。
2024-02-27 cs.SD eess.AS
Direction-Preserving Active Noise Control with a Conditional Control-Filter Estimation Network
本文提出一种基于条件控制滤波器估计网络的方向保持主动噪声控制方法，通过方向条件化优化和FiLM卷积网络实现噪声衰减与期望信号保留的权衡，在3300余案例中实现22.8 dB降噪。
2026-09-09 eess.AS
Velocity Potential Neural Field for Efficient Ambisonics Impulse Response Modeling
Mitsubishi Electric Research Laboratories (MERL)（三菱电机研究实验室）
本文提出基于速度势的神经场方法，通过物理原理自动满足线性动量方程，实现高效混响冲击响应建模。
2026-03-23 cs.SD eess.AS eess.SP
HRTF Field: Unifying Measured HRTF Magnitude Representation with Neural Fields
University of Rochester（罗切斯特大学）；Goergen Institute for Data Science（格根数据科学研究所）
头部相关传递函数（HRTF）是描述外耳的空间滤波效果的一组函数（即，躯干、头部和躯干）以不同的方位角和仰角投射到声源上。它们被广泛用于空间音频渲染。虽然方位角和仰角本质上是连续的，但现有数据集中测量的HRTF采用不同的空间采样方案，使得难以跨数据集对HRTF进行建模。在这项工作中，我们建议使用神经领域，通过神经网络的功能的可微表示，模型HRTF与任意空间采样方案。这种表示在具有不同空间采样方案的数据集之间是统一的。任意方位角和仰角的HRTF可以从该表示导出。我们进一步引入了一个名为HRTF场的生成模型来学习跨学科的HRTF神经场的潜在空间。我们表现出良好的性能HRTF插值和生成任务，并指出潜在的未来工作。
2023-02-23 cs.GR cs.SD eess.AS
