인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Spatial audio rendering relies on accurate localization perception, which necessitates individualized head-related transfer functions (HRTFs). Previous deep neural network (DNN) approaches for predicting HRTF magnitude spectra from pinna images primarily used HRTF log-magnitude as the training output. However, because HRTFs encompass the acoustic properties of the head and torso, reconstructing the spectral cues essential for elevation localization remains a significant challenge. To address this issue, we introduce PRTFNet, an end-to-end convolutional neural network (CNN) designed to reconstruct individual spectral cues in HRTFs while minimizing the influence of head and torso reflections. PRTFNet utilizes the compact pinna-related transfer function (PRTF) as its output, which isolates the pinna’s contribution by excluding head and torso reflections from the head-related impulse response (HRIR). Evaluation using the HUTUBS dataset demonstrates that PRTFNet effectively reconstructs critical spectral cues, such as the first and second spectral notches. It surpasses previous deep learning models in performance, achieving lower log spectral distortion (LSD) and effective LSD (LSD E ), thereby enhancing the precision of spectral cue reconstruction for spatial audio rendering.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092327993
