明确的上下文驱动神经声学建模用于高保真RIR生成

于红博

摘要: 实际声音模拟在许多应用中起着关键作用。声音模拟中的一个关键元素是房间冲激响应（RIR），它描述了声音如何在给定空间内从源头传播到听众。最近的研究应用神经隐式方法，利用从环境中收集的上下文信息，如场景图像，来学习RIR。然而，这些方法并未有效利用环境中的显式几何信息。为了进一步利用具有直接几何特征的神经隐式模型的潜力，我们提出了Mesh-infused Neural Acoustic Field（MiNAF），它在给定位置查询一个粗糙的房间网格，并提取距离分布作为本地上下文的显式表示。我们的方法表明，纳入显式的本地几何特征可以更好地引导神经网络生成更准确的RIR预测。通过与传统和最先进的基准方法进行比较，我们展示了MiNAF在各种评估指标上的竞争表现。此外，我们验证了MiNAF在训练样本有限的数据集中的稳健性，展示了高保真度声音模拟的进步。

更新时间: 2025-09-18 17:57:07

领域: cs.SD,cs.AI,cs.LG

下载: http://arxiv.org/abs/2509.15210v1