小红花·文摘
  • 首页
  • AI Tokens🪙
  • 排行榜🏆
  • 直播
  • FAQ
Dify.AI
沉浸式翻译 immersive translate
多声源定位新方法:结合α稳定模型与神经网络的SHAMaNS

声源定位(SSL)在增强听觉和自动驾驶等领域应用广泛。日本理化学研究所提出的新型混合技术SHAMaNS,结合α稳定模型与神经网络,成功解决了稀疏测量和噪声鲁棒性问题。实验结果显示,SHAMaNS在多声源场景中表现优异,适应能力强,未来计划扩展至三维定位。

多声源定位新方法:结合α稳定模型与神经网络的SHAMaNS

实时互动网 实时互动网 · 2025-06-26T02:37:02Z
移远通信推出端&云混合大模型机器人大脑解决方案

移远通信推出端云混合大模型机器人大脑解决方案,结合AI与声源定位技术,提升机器人交互能力。端侧大模型实现毫秒级响应,云端提供实时信息和多轮对话。通过智能路由和多麦克风阵列,增强机器人的听觉,成为理解与沟通的智慧伙伴。

移远通信推出端&云混合大模型机器人大脑解决方案

全球TMT-美通国际 全球TMT-美通国际 · 2025-05-21T04:38:08Z

该论文提出了一种新的声学嵌入方案sound-word2vec,应用于文本检索和电影制作等任务。研究探讨了无监督神经网络模型在语音与图像的语义关联,提出了基于双流网络的算法用于声源定位,并通过自监督学习提升性能。此外,介绍了Spatial LibriSpeech数据集用于训练模型,展示了在声音景观映射和跨模态检索中的优越表现。

学习空间感知的语言和音频嵌入

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-09-17T00:00:00Z

本文介绍了一种新颖的无监督学习算法,通过声音和视觉场景定位声源。研究提出了多种方法,包括基于双流网络的半监督学习、迭代对比学习框架和自监督预测学习,均在声音定位任务中表现优异。False Negative Aware Contrastive方法有效解决了错误负样本问题,提升了定位准确性。最新的Tri-modal joint embedding模型展示了在多源混合中分离音视源的能力,具有良好的零-shot迁移性能。

通过消除误报增强声源定位

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-08-29T00:00:00Z
基于3D重建房间的新视角声学合成

本文探讨了结合盲音频录音与3D场景信息进行新视角声学合成的优势。通过2-4个麦克风的录音和场景的3D几何及材料信息,估计场景中的声音。主要挑战包括声源定位、分离和去混响。研究表明,利用3D重建的房间脉冲响应(RIR)显著提高合成质量。模型在Matterport3D-NVAS数据集上表现优异,声源定位准确率接近完美,声源分离和去混响的PSNR和SDR指标优于现有方法。

基于3D重建房间的新视角声学合成

Apple Machine Learning Research Apple Machine Learning Research · 2024-08-16T00:00:00Z

本研究提出了一种基于双流网络的无监督算法,用于在视觉场景中定位声源,并通过半监督学习修正误差,增强算法的可靠性。研究还介绍了神经声学场(NAFs)和SoundSpaces 2.0平台,以提高声源定位和音频-视觉分离的效果。实验结果表明,该方法在性能上优于现有技术。

PSM:学习多尺度零样本声景映射的概率嵌入

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-08-13T00:00:00Z

本文提出了一种跨模态对齐任务,旨在提高音频和视觉模态的交互,增强声源定位和跨模态检索的性能。研究开发了音频-视觉空间整合网络和无监督算法,利用空间线索和递归注意机制,提升声源定位的准确性和可靠性。实验结果表明,该方法在多个数据集上优于现有技术。

视听对齐:通过音视频对齐来实现先进的声源定位

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-07-18T00:00:00Z

本文提出了一种结合物理和机器学习的方法来分析声学信号,主要包括贝叶斯推断、神经物理模型和非线性最小二乘法。该框架在模拟数据上验证了其有效性,特别是在受限环境中的声源定位,F1得分达到0.786。

混响噪声环境中声音方向的极大似然估计

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-06-24T00:00:00Z

本文提出了一种基于3D高斯扩散的新视角合成方法,结合可微渲染框架和空间注意力模块,提升了渲染质量和速度。通过音频与3D场景信息结合,解决了声源定位和分离问题,取得了优异的声学合成效果。此外,FSGS方法实现了实时高质量视角合成,MVSGaussian方法有效重建未见场景,展现出良好的综合性能。

AV-GS:学习材料和几何感知先验用于新视角声学合成

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-06-13T00:00:00Z

本文研究了多种基于神经网络的模型,旨在提高地下水污染、声源定位和空气质量预测的准确性。通过结合物理知识与深度学习,提出了新方法如AirPhyNet和流导向定位,显著提升了预测精度和模型的泛化能力。

物理引导神经网络用于气源定位

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-05-07T00:00:00Z

本文介绍了一种名为EZ-VSL的无监督音频-视觉源定位方法,旨在识别视频中的声源。该方法通过对齐音频和视觉信息,显著提高了定位精度,CIoU指标从76.80%提升至83.94%。研究还探讨了自监督学习、音频-视觉类别权重及新数据集,展示了在声源定位方面的优越性能。

T-VSL: 混合环境下的文本引导视听源定位

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-04-02T00:00:00Z

本文综述无人机感知与自主飞行技术,涵盖多微型飞行器协同动作捕捉、学习型导航滤波器、ICA声源探测、模仿学习避障、卷积网络端到端避撞、MAV检测、多任务故障分类、单目SLAM导航以及麦克风阵列声源定位与跟踪。

多旋翼飞行器定位的主动推进噪声整形

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-02-27T00:00:00Z

该文综述音频深度网络可解释性研究,涵盖解释器设计、LRP分析、音乐自动标注、FocalNet视觉建模、时间特征调制、COVID-19检测、声源定位及GAN生成解释等方法,涉及分类、检测与音视频任务,强调解释性与性能的权衡。

强化解释性声音分类的焦点调制网络

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2024-02-05T00:00:00Z

该文介绍了一个跨模态对齐任务,以促进音频和视觉模态之间的交互学习,实现了声源定位和跨模态检索的高性能和语义理解。

声源定位是关于跨模态对齐的全部内容

BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 · 2023-09-19T00:00:00Z
  • <<
  • <
  • 1 (current)
  • >
  • >>
👤 个人中心
在公众号发送验证码完成验证
登录验证
在本设备完成一次验证即可继续使用

完成下面两步后,将自动完成登录并继续当前操作。

1 关注公众号
小红花技术领袖公众号二维码
小红花技术领袖
如果当前 App 无法识别二维码,请在微信搜索并关注该公众号
2 发送验证码
在公众号对话中发送下面 4 位验证码
友情链接: MOGE.AI 九胧科技 1tok 菜鸟教程 Remio.AI DeekSeek连连 53AI 神龙海外代理IP IPIPGO全球代理IP 东波哥的博客 匡优考试在线考试系统 开源服务指南 蓝莺IM Solo 独立开发者社区 AI酷站导航 极客Fun 我爱水煮鱼 周报生成器 He3.app 简单简历 白鲸出海 T沙龙 职友集 TechParty 蟒周刊 Best AI Music Generator 模力方舟 Gitee AI

小红花技术领袖俱乐部
小红花·文摘:汇聚分发优质内容
小红花技术领袖俱乐部
Copyright © 2021-
粤ICP备2022094092号-1
公众号 小红花技术领袖俱乐部公众号二维码
视频号 小红花技术领袖俱乐部视频号二维码