本文提出了一种新的方法，使用生成对抗网络（GAN）将 HRTF 数据转换为便于使用卷积超分辨率生成对抗网络（SRGAN），该方法在稀疏输入 HRTF 时表现出较高的性能。

Jun, 2023

通过构建 paired ambisonic-binaural 数据集，并提出了一种基于深度学习的框架，实现了 binaural rendering of ambisonic signals 的自动化，相比传统方法性能更优，可应用于虚拟现实和沉浸式媒体。

Nov, 2022

本研究提出了通过单视图图像重建 3D 人类耳形来实现个性化空间音频渲染的方法，并开发了 AudioEar3D 和 AudioEar2D 两个公开数据集，最后通过将重建后的耳形与现成的 3D 人体模型集成，来模拟人的听觉传递函数，从而实现了基于不同人体解剖结构的个性化空间音频渲染。

Jan, 2023

通过机器学习方法，本研究探索了预测大脑灰质三维图像中听力损失阈值的方法。我们采用了两个阶段的解决方案，第一阶段使用 3D CNN 模型将高维输入转换为潜空间，并将其解码为原始图像以表示富特征空间的输入。在第二阶段，我们利用该模型将输入转换为富特征，并使用这些特征来训练标准机器学习模型以预测听阈。我们在第一阶段尝试了自编码器和变分自编码器进行维度降低，并探索了随机森林、XGBoost 和多层感知机用于回归阈值。我们将给定数据集分为训练集和测试集，在测试集上分别得到了 PT500 和 PT4000 的 8.80 范围和 22.57 范围。我们的方法利用 VAEs 的独特能力来捕捉高维神经影像数据中的复杂非线性关系。我们使用各种指标对模型进行了严格评估，重点关注均方根误差（RMSE）。结果突显了多层神经网络模型的功效，它在准确性方面优于其他技术。本项目推动了数据挖掘在医学诊断中的应用，并通过创新的机器学习框架增进了我们对与年龄相关的听力损失的理解。

Apr, 2024

本文基于 SRP-PHAT 算法和三维卷积神经网络，提出了一种基于单声源的 DOA 估计和跟踪系统，具有较好的实时性和对高混响环境的鲁棒性。

Jun, 2020

我们提出了一种新颖的方法来建模扩散磁共振成像（dMRI）数据集，该方法利用人脑的结构相干性，仅使用来自单个被试的数据。使用神经网络来参数化球面谐波级数（NeSH）以表示来自人类结构连接计划数据集的单个被试的 dMRI 信号，连续地在角度和空域中。使用这种方法重建的 dMRI 信号显示出更具结构连贯性的数据表示。消除了梯度图像中的噪声，并且纤维定向分布函数沿纤维束的方向呈平滑变化。我们展示了如何使用重建来计算平均扩散度、分数各向异性和总视觉纤维密度。这些结果可以使用单个模型架构实现，并仅调整一个超参数。在本文中，我们还演示了在角度和空域中进行上采样可以实现与现有方法相当或更好的重建。

Aug, 2023

神经音频信号处理中，通过使用基频调节来增强合成器性能，但是通过使用标准的音频重建损失函数联合训练基频估计器和合成器是一种挑战，从而依赖于外部的基频跟踪器。为了解决这个问题，我们提出使用受到最优传输理论启发的谱损失函数来最小化谱能量的位移。我们通过无监督的自编码任务在谐波信号上拟合谐波模板来验证这种方法。我们使用轻量级编码器共同估计基频和谐波的幅度，并使用可微的谐波合成器重构信号。这种方法为改善神经音频应用中的无监督参数估计提供了有前途的方向。

Dec, 2023

本文研究如何使用四元数数据处理技术来定位和检测空间声音场中的声音事件，尤其是使用第一阶 Ambisonic 麦克风捕获的信号的球面谐波分量，并通过使用四元数卷积神经网络进行处理。实验结果表明，所提出的方法利用了 Ambisonic 信号的相关性，从而提高了 3D 声音事件的检测和定位准确性。

Dec, 2018

本文提出了一种新颖的框架 HRDFuse，该框架利用卷积神经网络和 transformers 协同学习从 ERP 和 TP 中捕获整体和区域上下文信息，以预测深度细节并生成最终的深度图，实验表明我们的方法预测出更平滑和精确的深度结果，并比现有技术实现更好的效果。

Mar, 2023

本文提出了一种基于神经傅里叶移位的新型神经网络结构，名为 NFS，该结构能够在傅里叶空间中实现双耳语音合成，其通过预测早期反射的延迟和尺度来实现。该方法在内存和计算成本上都非常有效，且能够独立于源领域进行操作，实验结果表明其在性能和效率上优于以往的类似研究。

Nov, 2022