DeepBSL: 3-D Personalized Deep Binaural Sound Localization on Earable Devices
Notice bibliographique
Résumé
The prevalence of earable devices, such as earbuds and headphones, allows people to converse or listen to audio recordings on the move but often at the cost of reduced alertness of imminent health and safety threats in their surroundings. 3-D binaural sound localization (BSL), which aims to locate sound sources in space, plays a key role in improving one’s situation awareness. BSL on earable devices is inherently challenging due to the limited number of microphones available as well as subject- and location-dependent filtration effects of a person’s pinna, head and torso, described by head-related transfer functions (HRTFs). In this work, we develop DeepBSL, a deep neural network model to estimate azimuth and elevation angles of sound sources relative to a person’s head. For a new subject, an efficient procedure is developed to collect HRTFs at sparse locations using in-ear microphones and a mobile phone, which are then utilized to synthesize sounds of any type at arbitrary locations to train personalized DeepBSL models. Extensive evaluations using synthetic data from a public data set and through real-world experiments demonstrate that the personalized DeepBSL models are data-efficient and can achieve better-than-human performances in BSL while significantly outperforming a state-of-the-art model that can only predict azimuth angles of sound sources. Our best performing model has an average azimuth prediction error of$2.9^{\circ } (4.1^{\circ })$and elevation prediction error of$1.4^{\circ } (2.9^{\circ })$in an indoor (outdoor) environment.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».