MétaCan
Menu
Retour à la cohorte
Enregistrement W2987432963 · doi:10.1121/1.5137186

A method to virtually extend reverberation time of measured impulse responses without losing room coloration

2019· article· en· W2987432963 sur OpenAlexaff
Philippe-Aubert Gauthier, Alain Berry

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésReverberationImpulse responseAcousticsImpulse (physics)Room acousticsComputer scienceConvolution (computer science)Finite impulse responseArchitectural acousticsMathematicsPhysicsMathematical analysisAlgorithmArtificial neural networkArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

For various audio and acoustical applications, it is useful to modify the reverberation time of a measured room impulse response. For example, it can be interesting for creating various modified impulse responses for convolution reverbs in video games or sound designs. With this in mind, it is proposed to modify an impulse response reverberation time while keeping the other reverberation characteristics, such as the frequency response, unaffected. Knowing how a typical impulse response is related to the room characteristics, we propose a new method. First, the impulse response of a room is measured. Then, the reverberation time is evaluated. This reverberation time is next approximated by Sabine-Eyring equation, resulting in an absorption coefficient. A new absorption coefficient is then manually provided to reach a new target reverberation time. Finally, the late reverberation of the original impulse response is convolved with a gaussian white noise to the desired length and stitched with appropriate decaying envelopes to the end of the initially measured impulse response. This paper illustrates that the method works based on simulations and that the modified impulse response is realistic and can be related to the actual room.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,282
Écart entre enseignants0,269 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetSpeech and Audio ProcessingTravaux en français237 207