IR-GAN: Room Impulse Response Generator for Far-field Speech Recognition
University of Maryland, College Park(马里兰大学帕克分校)
提出了一种基于生成对抗网络(GAN)的房间脉冲响应生成器(IR-GAN),用于生成真实的合成房间脉冲响应(RIR)。IR-GAN从捕获的真实世界RIR中提取声学参数,并使用这些参数生成新的合成RIR。我们使用这些生成的合成RIR来提高远场自动语音识别在新的环境中,是不同的训练数据集中使用的。特别是,我们通过将我们的合成RIR与干净的LibriSpeech数据集进行卷积来增强远场语音训练集。我们在使用来自BUT ReverbDB和AIR数据集的真实世界RIR创建的真实世界LibriSpeech测试集上评估了我们的合成RIR的质量。在远场语音识别基准测试中,我们的IR-GAN报告的出错率比几何声学模拟器(GAS)低8.95%。当我们将我们的合成RIR与使用GAS生成的合成脉冲响应相结合时,我们进一步提高了性能。在远场语音识别基准测试中,这种组合可以将单词出错率降低高达14.3%。
2021-04-06 cs.SD eess.AS
Building and Evaluation of a Real Room Impulse Response Dataset
本文介绍了BUT ReverbDB -真实房间脉冲响应(RIR),背景噪声和重新传输的语音数据的数据集。重新传输的数据包括LibriSpeech测试干净,2000年HUB 5英语评估和2010年NIST说话人识别评估数据集的一部分。我们提供了RIR收集(硬件,软件,后处理)的详细描述,可以作为类似工作的“食谱”。我们还在两组自动语音识别(ASR)实验中验证了BUT ReverbDB,并得出了用真实和人工生成的RIR增强ASR训练数据的结论。我们表明,数量有限的真正的RIR,精心挑选,以匹配目标环境,提供的结果相比,大量的人工生成的RIR,这两组可以结合起来,以实现最佳的ASR结果。该数据集在非限制性许可证下免费分发,目前包含来自8个房间的数据,并且正在增长。该分发包还包含一个基于Kaldi的配方,用于增强公开的AMI近距离通话会议数据,并在AMI单远距离麦克风组上测试结果,使其能够重现我们的实验。
2019-05-30 eess.AS
Blind Room Impulse Response Identification via Reverberant Speech Spectrum Reconstruction
Zhejiang University(浙江大学);Westlake University(西湖大学);Westlake Institute for Advanced Study(西湖高等研究院)
提出Rec-RIR方法,基于卷积传递函数近似,通过多任务深度神经网络顺序去除噪声和混响,并利用混响语音频谱重建估计CTF滤波器,再通过伪侵入式测量转换为RIR,实现盲RIR识别,性能达到SOTA。
2026-06-29 eess.AS eess.SP
RIR-SF: Room Impulse Response Based Spatial Feature for Target Speech Recognition in Multi-Channel Multi-Speaker Scenarios
Johns Hopkins University(约翰斯·霍普金斯大学);Tencent AI Lab(腾讯AI实验室)
针对多通道多说话人ASR忽视反射波的问题,提出基于房间脉冲响应的RIR-SF空间特征及全神经多通道框架,显著提升混响环境下目标语音识别鲁棒性,CER相对降低21.3%。
2024-06-11 cs.AI eess.AS
MEAN-RIR: Multi-Modal Environment-Aware Network for Robust Room Impulse Response Estimation
University of Science and Technology of China(科学技术大学);AI Research Center, Midea Group (Shanghai) Co.,Ltd.(美的集团(上海)有限公司人工智能研究中心)
针对房间冲激响应估计问题,提出融合音视文多模态环境信息的MEAN-RIR网络,通过编码器-解码器与交叉注意力机制结合双分量合成策略,显著提升估计精度与声学参数表现。
2025-09-05 cs.SD eess.AS
FAST-RIR: Fast neural diffuse room impulse response generator
University of Maryland, College Park(马里兰大学帕克分校);Tencent AI Lab(腾讯人工智能实验室)
我们提出了一种基于神经网络的快速扩散房间脉冲响应发生器(FAST-RIR),用于生成给定声学环境的房间脉冲响应(RIR)。我们的FAST-RIR以矩形房间尺寸、收听者和扬声器位置以及混响时间作为输入,并为给定的声学环境生成镜面反射和漫反射。我们的FAST-RIR是能够产生一个给定的输入混响时间的平均误差为0.02秒的RIR。我们使用Google Speech API,Microsoft Speech API和Kaldi工具在自动语音识别(ASR)应用程序中评估我们生成的RIR。我们表明,我们提出的批量大小为1的FAST-RIR比CPU上最先进的漫射声模拟器(DAS)快400倍,并在ASR实验中提供与DAS相似的性能。我们的FAST-RIR比现有的基于GPU的RIR生成器(gpuRIR)快12倍。我们表明,我们的FAST-RIR优于gpuRIR的2.5%,在AMI远场ASR基准。
2022-02-06 cs.AI cs.LG cs.SD
RIR-Mega: a large-scale simulated room impulse response dataset for machine learning and room acoustics modeling
Amazon(亚马逊)
本文提出RIR-Mega,一个包含50,000个仿真房间冲激响应的大规模数据集,附有元数据模式、工具和基线模型,用于支持去混响、语音识别等研究,并公开数据与代码以促进可重复研究。
2025-10-28 eess.AS eess.SP
MB-RIRs: a Synthetic Room Impulse Response Dataset with Frequency-Dependent Absorption Coefficients
Universitat Pompeu Fabra(庞培法布拉大学);Music Technology Group(音乐技术小组);Eurecat(欧瑞卡特);Centre Tecnològic de Catalunya(加泰罗尼亚技术中心);Tecnologies Multimèdia(多媒体技术)
本研究通过引入多频带吸收系数、声源与接收器指向性等特征改进传统ISM鞋盒RIRs,并对比SoundSpaces网格RIRs,训练DeepFilternet3模型,发现使用频率相关吸收系数的MB-RIRs在真实测试集上使语音增强SDR提升0.51dB、MUSHRA增加8.9分。
2025-07-13 cs.LG cs.SD eess.AS
ReverbFX: A Dataset of Room Impulse Responses Derived from Reverb Effect Plugins for Singing Voice Dereverberation
Julius Richter ∗ , Till Svajda ∗ , Timo Gerkmann(未知)
提出用于歌声去混响的ReverbFX数据集,包含从混响插件捕获的RIR;实验表明,基于插件RIR训练的生成模型在人工混响场景下优于基于真实RIR训练的模型。
2025-08-13 cs.SD eess.AS
AnyRIR: Robust Non-intrusive Room Impulse Response Estimation in the Wild
Aalto University(阿尔托大学);University of York(约克大学);Friedrich-Alexander-Universitat Erlangen-Nürnberg (FAU)(弗里德里希·亚历山大·埃尔朗根-纽伦堡大学)
AnyRIR通过利用音乐作为激励信号和L1范数回归,在嘈杂环境中实现鲁棒的房间脉冲响应估计。
2026-01-18 eess.AS
HOMULA-RIR: A Room Impulse Response Dataset for Teleconferencing and Spatial Audio Applications Acquired Through Higher-Order Microphones and Uniform Linear Microphone Arrays
本文提出HOMULA-RIR数据集,利用高阶麦克风和64麦克风均匀线性阵列采集研讨室冲激响应,以建模远程电话会议场景,并通过混响、清晰度、定位与分离实验验证其有效性。
2024-02-21 eess.AS eess.SP
Room Impulse Response as a Prompt for Acoustic Echo Cancellation
Inner Mongolia University(内蒙古大学)
本文提出将房间脉冲响应作为训练提示引入声学回声消除模型,并探索四种提示融合方法,在模拟和真实环境中显著提升了模型的泛化性能。
2025-05-26 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
Room Impulse Response Prediction with Neural Networks: From Energy Decay Curves to Perceptual Validation
本文提出由房间参数预测 EDC 并经反向微分重建 RIR 的神经网络框架,结合客观指标与 MUSHRA 测试验证其准确性和感知一致性。
2025-09-29 eess.AS
RIR-Former: Coordinate-Guided Transformer for Continuous Reconstruction of Room Impulse Responses
The Australian National University, Australia(澳大利亚国立大学);The University of Queensland, Australia(昆士兰大学)
本文提出RIR-Former,一种无需网格的单步前馈模型,通过引入正弦编码模块有效整合麦克风位置信息,改进了房间脉冲响应的重建性能。
2026-05-11 cs.LG eess.AS
Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation
University of Maryland, College Park(马里兰大学帕克分校)
我们提出了一种新的方法来提高基于学习的语音去混响的性能,使用准确的合成数据集。我们的方法被设计为从混响语音信号中恢复无混响信号。我们表明,准确地模拟房间脉冲响应(RIR)的低频分量是很重要的,以实现良好的去混响。我们使用GWA数据集,它由以混合方式生成的合成RIR组成:精确的基于波的求解器用于模拟较低的频率,几何射线追踪方法模拟较高的频率。我们证明了在混合合成RIR上训练的语音去混响模型优于在四个真实世界的RIR数据集上通过先前的几何射线跟踪方法生成的RIR上训练的模型。
2022-12-10 cs.AI cs.LG eess.AS
DiffusionRIR: Room Impulse Response Interpolation using Diffusion Models
Bar-Ilan University(巴伊兰大学);Politecnico di Milano(米兰理工大学)
本研究提出基于去噪扩散概率模型(DDPM)的DiffusionRIR方法,通过将RIR矩阵类比为图像修复,有效重建未测量位置的房间脉冲响应,在归一化均方误差和余弦距离上显著优于三次样条插值。
2025-04-29 cs.AI cs.SD eess.AS
Perceptual Evaluation of Extrapolated Spatial Room Impulse Responses From a Mono Source
Bonza Music LTD(邦扎音乐有限公司)
针对沉浸式空间声学测量耗时昂贵的问题,本研究通过3AFC听力测试验证,从单声道测量外推的空间房间脉冲响应具备逼真度,可降低测量的时间与设备成本。
2025-10-06 eess.AS
Yet Another Generative Model For Room Impulse Response Estimation
Supertone, Inc.(Supertone公司)
该研究针对房间冲激响应估计问题,提出基于残差量化自编码器与多轴Transformer变体的自回归令牌生成架构,同时解决盲估计与声学匹配任务,性能优于现有基线。
2023-11-05 cs.SD eess.AS
Fast Random Approximation of Multi-channel Room Impulse Response
本文提出FRAM-RIR,一种对镜像源法的快速随机近似方法,通过随机采样虚拟声源位置与反射次数高效生成逼真多通道房间脉冲响应,在保持到达方向信息的同时显著加速训练,并在语音分离与去混响任务上达到相当或更优性能。
2023-04-17 cs.SD eess.AS
Gencho: Room Impulse Response Generation from Reverberant Speech and Text via Diffusion Transformers
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Adobe Research(Adobe研究);University of Maryland(马里兰大学);MIT(麻省理工学院)
Gencho通过扩散变压器模型从混响语音和文本生成房间脉冲响应,实现了更灵活和逼真的声学模拟与生成。
2026-02-09 cs.SD eess.AS
BIRD: Big Impulse Response Dataset
本文介绍了BIRD,大脉冲响应数据集。该开放数据集由100,000个多通道房间脉冲响应(RIR)组成,这些多通道房间脉冲响应(RIR)是使用图像方法模拟生成的,使其成为目前可用的最大多通道开放数据集。这些RIR可用于针对涉及两个麦克风和多个声源的场景执行高效的在线数据增强。本文还介绍了用例,以说明如何鸟可以执行数据增强与现有的语音语料库。
2020-10-19 cs.SD eess.AS
State-Space Estimation of Spatially Dynamic Room Impulse Responses using a Room Acoustic Model-based Prior
本文提出一种基于状态空间模型的方法,用于估计固定声源与匀速移动麦克风之间空间动态房间脉冲响应的早期部分,将到镜像源的时变距离整合到状态转移矩阵中,仿真表明其优于现有方法。
2024-11-13 eess.AS eess.SP
Towards Improved Room Impulse Response Estimation for Speech Recognition
University of Maryland, College Park(马里兰大学帕克分校);Reality Labs Research at Meta(Meta现实实验室研究部)
我们提出了一种新的方法,盲室脉冲响应(RIR)估计系统的背景下,下游的应用场景,远场自动语音识别(ASR)。我们首先画出改进的RIR估计和改进的ASR性能之间的联系,作为评估神经RIR估计的一种手段。然后,我们提出了一种基于生成对抗网络(GAN)的架构,该架构对混响语音的RIR特征进行编码,并从编码的特征中构建RIR,并使用一种新的能量衰减救济损失来优化捕获输入混响语音的基于能量的特性。我们表明,我们的模型优于声学基准的最先进的基线(17\%的能量衰减救济和22\%的早期反射能量度量),以及在ASR评估任务(6.9\%的字出错率)。
2023-03-19 cs.AI cs.SD eess.AS
Room Impulse Response Synthesis via Differentiable Feedback Delay Networks for Efficient Spatial Audio Rendering
Perceptual Interfaces \& Reality Lab Department of Computer Science \& UMIACS University of Maryland, College Park
本研究提出一种可微可调的FDN架构,通过可微编程优化参数匹配RIR声学指标,实现实时动态空间音频渲染,质量接近传统BRIR卷积且计算成本大幅降低。
2025-09-30 cs.SD eess.AS
Room Impulse Response Estimation in a Multiple Source Environment
Gaudio Lab, Inc.(高迪奥实验室公司)
本文针对多声源房间提出预测“代表性”房间脉冲响应的新任务及训练方法,使模型在不同声源数量下均保持稳健性能。
2023-05-25 cs.SD eess.AS
Room Impulse Response Estimation using Optimal Transport: Simulation-Informed Inference
针对低信噪比等场景下利用环境信号估计房间冲激响应(RIR)难度大、传统幅值先验在延迟结构信息近似时失效的问题,提出基于最优传输构建延迟结构先验的RIR估计方法,可有效利用简单仿真模型信息,对房间尺寸与温度扰动鲁棒性强。
2024-03-06 eess.AS eess.SP
Room impulse response prototyping using receiver distance estimations for high quality room equalisation algorithms
Aalborg University(奥尔堡大学);Bang & Olufsen a/s(邦及欧路夫森公司)
针对房间均衡中需构建多位置原型RIR的需求,提出基于接收端距离估计的加权平均RIR原型构建方法,配套距离估计方案,经模拟房间测试验证其均衡后频谱偏差表现。
2024-09-16 cs.SD eess.AS
Ambisonics Encoding of Room Impulse Responses using a Device-Agnostic Diffusion Model
Reality Labs Research, Meta(元宇宙实验室研究部,Meta);Aalto University(阿尔托大学)
针对不规则/稀疏等空间捕获能力有限的麦克风阵列无法用线性方法重建HOA RIR高阶空间细节的问题,提出基于扩散的生成框架,实现设备无关编码,实验显示其性能优于基线,可支撑可扩展声学模拟。
2026-08-18 cs.SD eess.AS
Your U-Net Dereverberation Model is Secretly an RIR Encoder
University of Hamburg(汉堡大学)
本文分析NCSN++ U-Net去混响模型中间表示捕获全局房间特性的能力,发现深层编码结构化RIR嵌入,并提出基于对比学习RIR嵌入的条件训练策略,提升去混响性能并加速推理。
2026-06-08 eess.AS
Filtered Noise Shaping for Time Domain Room Impulse Response Estimation From Reverberant Speech
Facebook Reality Labs Research(Facebook现实实验室研究部)
深度学习方法已经出现,旨在转换音频信号,使其听起来就像是在同一个房间录制的参考录音,并应用于音频后期制作和增强现实。在这项工作中,我们提出了FiNS,一个过滤的噪声整形网络,直接估计混响语音的时域房间脉冲响应(RIR)。我们的域启发架构具有时域编码器和滤波噪声整形解码器,该解码器将RIR建模为衰减滤波噪声信号的总和,以及直接声音和早期反射分量。用于声学匹配的先前方法利用大模型来变换音频以匹配目标房间或预测用于算法混响器的参数。相反,RIR的盲估计使得能够利用单个卷积进行有效且现实的变换。评估表明,我们的模型不仅合成了与目标房间参数匹配的RIR,如$T_{60}$和DRR,而且还更准确地再现了目标房间的感知特征,如与深度学习基线相比时的听力测试所示。
2021-07-15 cs.SD eess.AS
Neural acoustic multipole splatting for room impulse response synthesis
School of Electrical Engineering, KAIST(KAIST电气工程学院)
本文提出神经声学多极溅射方法,通过学习多极位置和预测信号,高效合成房间脉冲响应,实验表明其在多数指标上优于现有方法。
2026-02-02 eess.AS
gpuRIR: A Python Library for Room Impulse Response Simulation with GPU Acceleration
University of Zaragoza(萨拉戈萨大学)
镜像源法(ISM)是计算声学房间脉冲响应(RIR)最常用的技术之一,然而,其计算复杂度随着房间混响时间的增加而快速增长,并且对于需要大量RIR的应用来说,其计算时间可能是令人望而却步的。在本文中,我们提出了一种新的实现,大大提高了ISM的计算速度,通过使用图形处理单元(GPU)并行化多个RIR的模拟和每个RIR内的图像的计算。通过利用新GPU的混合精度功能和使用查找表,实现了额外的加速。我们提供了一个GNU许可下的Python库,可以在没有任何GPU编程知识的情况下轻松使用,我们表明它比其他最先进的CPU库快100倍。它可以成为许多需要执行大量声学模拟的应用程序的强大工具,例如用于音频信号处理的训练机器学习系统,或用于沉浸式多媒体系统的实时室内声学模拟,例如增强现实或虚拟现实。
2020-10-09 cs.SD eess.AS
Deep Neural Compression for RIR-Characterized Acoustic Environments with Structure-Aware Constraints
National Engineering Research Center of Speech and Language Information Processing, University of Science and Technology of China(语音和语言信息处理国家重点实验室,中国科学技术大学)
针对RIR存储负担问题,提出基于EnCodec的神经RIR压缩方法,引入结构感知约束,在低比特率下实现更优的RIR重建与混响语音感知性能。
2026-09-04 eess.AS
DAMSEP: Distance-Aware Monaural Source Separation using Multi-RIR Estimation
Shanghai Jiao Tong University(上海交通大学);AISpeech Ltd(思必驰科技股份有限公司);Nanjing University(南京大学)
提出DAMSEP,首个联合训练用于单声道源分离和多源RIR估计的端到端框架,通过RIR的直达混响比实现距离排序,并引入HETMIXR数据集验证其优越性能。
2026-09-28 eess.AS
Tracking of Spatially Dynamic Room Impulse Responses Along Locally Linearized Trajectories
本研究针对前期沿线性轨迹估计房间脉冲响应方法适用范围小、未用真实数据验证的问题,通过将长轨迹分割为局部线性区间逐段应用该方法,并用trajectoRIR数据库验证了其在更复杂房间环境中的有效性。
2025-06-13 eess.AS eess.SP
Sensitivity of Room Impulse Responses in Changing Acoustic Environment
University of York(约克大学);School of Physics, Engineering and Technology(物理、工程与技术学院);AudioLab(音频实验室)
该研究提出利用连续房间脉冲响应的短时相干性和敏感性评级来量化声学环境变化,并能区分大气变化、吸声改变与人员存在,为房间声学分析提供了新方法。
2025-01-02 cs.SD eess.AS
Spatial Data Augmentation with Simulated Room Impulse Responses for Sound Event Localization and Detection
Sony Group Corporation(索尼集团公司);The University of Tokyo(东京大学)
为声音事件定位和检测(SELD)任务记录和注释真实声音事件是耗时的,并且当数据量有限时,数据增强技术通常是有利的。然而,如何在数据集中增加空间信息,包括未标记的定向干扰事件,仍然是一个开放的研究问题。此外,定向干扰事件使得难以从目标声音事件中准确地提取空间特征。为了解决这个问题,我们提出了一个脉冲响应模拟框架(IRS),增强空间特性,使用模拟房间脉冲响应(RIR)。准确地模拟与假设放置在各个房间中的麦克风阵列相对应的RIR,并且从混合物中提取目标声音事件的源信号。然后将模拟的RIR与提取的源信号卷积以获得增强的多通道训练数据集。使用TAU-NIGENS Spatial Sound Events 2021数据集获得的评估结果表明,IRS有助于提高整体SELD性能。此外,我们进行了一项消融研究,以讨论IRS中每个组件的贡献和需求。
2022-04-28 cs.SD eess.AS
Acoustivision Pro: An Open-Source Interactive Platform for Room Impulse Response Analysis and Acoustic Characterization
Acoustics Researcher, WA, USA(声学研究员,华盛顿州,美国)
AcoustiVision Pro 是一个开源平台,用于分析房间脉冲响应并进行声学表征,提供多种声学参数计算、可视化和标准化检查功能。
2026-02-11 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
dEchorate: a Calibrated Room Impulse Response Database for Echo-aware Signal Processing
Univ Rennes, Inria, CNRS, IRISA(雷恩大学,法国国家信息与自动化研究所,法国国家科学研究中心,IRISA);Faculty of Engineering, Bar-Ilan University(巴伊兰大学工程学院);UMRAE, Cerema, Univ. Gustave Eiffel, Ifsttar(UMRAE,法国环境与国土公共工程研究中心,古斯塔夫·埃菲尔大学,法国国家交通与安全研究所);Université de Lorraine, Inria, CNRS, LORIA(洛林大学,法国国家信息与自动化研究所,法国国家科学研究中心,LORIA)
本文介绍了dEchorate:测量的多通道房间脉冲响应(RIR)的新数据库,包括早期回声定时和麦克风的3D位置的注释,在长方体房间中不同墙壁配置下的真实源和图像源。这些数据提供了一种工具,用于对最近的回声感知语音增强、房间几何估计、RIR估计、声学回声检索、麦克风校准、回声标记和反射器估计中的方法进行基准测试。该数据库配有软件实用程序,可轻松访问、操作和可视化数据以及回声相关任务的基线方法。
2021-04-27 cs.SD eess.AS
Towards Improving Speaker Distance Estimation through Generative Impulse Response Augmentation
Amazon(亚马逊);Wentworth Institute of Technology(韦尔特沃斯技术学院)
本文通过生成冲击响应数据增强提升说话距离估计模型性能,采用FastRIR生成冲击响应并优化超参数,实验显示在中长距离显著提高估计精度。
2026-05-01 cs.AI cs.SD eess.AS
Evaluation of Deep-Learning-Based Voice Activity Detectors and Room Impulse Response Models in Reverberant Environments
Technion -- Israel Institute of Technology(以色列理工学院)
最先进的基于深度学习的语音活动检测器(VAD)通常使用消声数据进行训练。然而,真实的声学环境通常是混响的,这导致性能显著恶化。为了减轻训练数据和真实数据之间的这种不匹配,我们模拟了一个包含近500万个话语的增强训练集。该扩展包括消声话语及其混响修改,由消声话语与各种房间脉冲响应(RIR)的卷积生成。我们考虑了五种不同的模型来生成RIR,以及五种不同的VAD,它们是用增强训练集训练的。我们在三种不同的真实混响环境中测试所有经过训练的系统。实验结果表明,$20\%$的准确性,精确度和召回率的平均增加所有检测器和响应模型,与消声训练。此外,对于所有测试的VAD,其中一个RIR模型始终比其他模型产生更好的性能。此外,在所有实验中,其中一种VAD始终优于其他VAD。
2021-06-25 cs.LG cs.SD eess.AS
3D Room Geometry Inference from Multichannel Room Impulse Response using Deep Neural Network
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
针对未知墙面数量与多样房间形状问题,提出由特征提取、参数估计和置信度评估组成的深度神经网络,从多通道RIR推断三维房间几何,并在约40,000个仿真RIR上验证其近完美墙面数识别与极小形状误差。
2024-01-19 cs.SD eess.AS
DARAS: Dynamic Audio-Room Acoustic Synthesis for Blind Room Impulse Response Estimation
School of Information Science and Technology, Beijing University of Technology(信息科学与技术学院,北京理工大学);Unseen AI Inc.(Unseen AI公司)
针对现有盲房间脉冲响应估计精度不足的问题,提出DARAS深度学习框架,通过深度音频编码器、基于Mamba的盲房间参数估计模块、交叉注意力特征融合及动态声学调整解码器,从单耳混响语音中有效合成RIR,显著优于基线模型。
2025-11-04 cs.SD eess.AS
EchoMark: Perceptual Acoustic Environment Transfer with Watermark-Embedded Room Impulse Response
University of Houston(休斯顿大学);Clemson University(克莱姆森大学);Independent Researcher(独立研究员)
EchoMark通过在潜在域中联合优化感知损失与水印检测损失,实现高质量声学环境迁移与可靠水印恢复,实验表明其在声学参数匹配和水印检测方面性能优异。
2026-03-31 cs.AI cs.LG cs.SD
Neural Acoustic Context Field: Rendering Realistic Room Impulse Response With Neural Fields
University of Rochester(罗切斯特大学);Meta Reality Labs Research(Meta现实实验室)
针对现有神经场方法忽视音频场景声学属性的问题,本文提出 NACF,融合几何、材料与空间上下文,并设计时间相关模块及多尺度能量衰减准则,显著提升 RIR 渲染质量。
2023-09-27 cs.CV cs.SD eess.AS
Room Impulse Response Generation Conditioned on Acoustic Parameters
Dolby Laboratories(杜比实验室);KTH Royal Institute of Technology(皇家理工学院)
本研究提出直接基于声学参数约束RIR生成,探索了自回归与非自回归模型,实验表明MaskGIT模型表现最佳,匹配或超越现有方法。
2025-07-16 cs.SD eess.AS
Gauss Circle Lattices with Geometric Convolutions for Synthesizing High Dimensional Image-Source Room Impulse Responses
University of California, Berkeley(加州大学伯克利分校)
提出一种将图像源模型中的格点计数问题转化为经典高斯圆问题的方法,通过几何卷积将计算复杂度从O(k^N)降低到O(N k^2 log k),并扩展至频率依赖和反射加权的更高维图像源。
2026-07-24 cs.SD eess.AS math.CO
Optimal transport of image sources for interpolation of room impulse responses with moving sources
Uppsala University(乌普萨拉大学);Aalto University(阿尔托大学)
本文提出一种基于部分最优传输的插值方法,利用图像源与物理声源移动距离相同的特性,通过统计模型推导成本函数,实现移动声源轨迹中图像源位置的有效插值。
2026-09-16 eess.AS eess.SP
RGI-Net: 3D Room Geometry Inference from Room Impulse Responses With Hidden First-Order Reflections
Samsung Electronics Co., Ltd.(三星电子株式会社)
本文提出RGI-Net,利用房间脉冲响应中低阶与高阶反射的关系,在无需凸形状、已知墙数和一阶反射可见等假设下实现3D房间几何推断。
2024-07-27 cs.AI cs.SD eess.AS
Speech dereverberation constrained on room impulse response characteristics
Telecom Paris, Institut polytechnique de Paris(巴黎理工学院电信学院);Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室)
针对现有深度学习语音去混响方法缺乏房间声学可解释性的问题,提出用物理一致性损失正则化训练,使输出诱导的RIR匹配房间声学特性,兼顾去混响效果与物理一致性。
2024-07-10 cs.SD eess.AS eess.SP
Diminishing Domain Mismatch for DNN-Based Acoustic Distance Estimation via Stochastic Room Reverberation Models
Paderborn University(帕德博恩大学)
提出一种结合几何与随机建模RIR的新方法,减少基于DNN的声学距离估计中模拟与真实数据的域失配,显著提升估计精度。
2024-08-26 cs.SD eess.AS
Room Impulse Response Estimation through Optimal Mass Transport Barycenters
针对紧密麦克风阵列的房间脉冲响应联合估计在短信号、低信噪比下不适定的问题,提出基于 OMT 重心的正则化方法,利用延迟结构相似性实现信息共享,并通过凸优化求解。
2025-03-18 eess.AS eess.SP