Bibliographic record
Abstract
Avec le développement des véhicules à motorisation électrique, le paysage sonore intérieur des véhicules change et les designers sonores s'intéressent désormais à la création d'ambiances sonores contrôlées et agréables dans l'habitacle. Par exemple, l'absence du son prédominant du moteur modifie la perception qu'a le conducteur de la dynamique de son véhicule. De précédents travaux ont proposé des stratégies de sonification pour augmenter l'environnement sonore de l'habitacle en rétablissant la dynamique du véhicule à l'aide de retours sonores synthétiques. Cependant, les utilisateurs signalent un manque d'intégration de ces retours dans l'environnement sonore existant entraînant un rejet de ces solutions. L'objectif de cette thèse est d'étudier ce qui fait qu'une source appartient ou non à un environnement afin d'envisager une intégration plus cohérente de sources virtuelles dans un véhicule. En utilisant une méthode d'analyse par synthèse, des paramètres acoustiques de timbre et d'espace du bruit moteur et de l'habitacle des véhicules thermiques portant le caractère réaliste ont été investigués. En particulier, les résonances de l'habitacle ainsi que la répartition acoustique spatiale du bruit moteur se sont avérées améliorer perceptivement le réalisme de l'environnement contrairement à des caractéristiques de timbre plus subtiles comme des micro-modulations aléatoires. La modélisation de ces phénomènes a permis d'envisager l'intégration d'un retour sonore dans les véhicules électriques portant ces mêmes caractéristiques et d'évaluer leur impact sur la cohérence globale de l'environnement sonore. Des expériences perceptives ont été menées en environnement virtuel audiovisuel représentatif d'un véhicule et ont mis en évidence l'importance des caractéristiques acoustiques spatiales dans la perception d'un habitacle et ont validé l'hypothèse qu'appliquer une répartition spatiale d'un bruit moteur au retour sonore sur la dynamique dans un véhicule électrique améliore l'intégration de cette source virtuelle. Dans le contexte automobile, ces résultats encouragent à prendre en compte la dimension spatiale dans la conception et l'intégration de nouveaux retours sonores afin de créer une ambiance globale cohérente. Plus généralement, dans un contexte de réalité augmentée, ces résultats montrent que le comportement spatial des sources sonores virtuelles est un facteur essentiel pour une intégration cohérente dans l'environnement réel.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".