Mar, 2024

城市声音传播：复杂物理系统一步生成建模基准

PDF
TL;DR通过数据驱动的建模来评估物理系统中的复杂性，通过一步式生成学习模型在模拟中实现加速，提出基于城市声音传播的新型评估基准，提供包含 100k 样本的数据集，通过四个具有不同复杂度的模拟任务进行评估。
data-driven modelingcomplex physical systems1-step generative learning modelsurban sound propagation benchmarksimulation tasks
发现论文，激发创造
  • 逼真互动三维场景中基于深度神经运算器参数化源的声音传播

    在虚拟环境中进行声音传播模拟，使用深度运算网络逼近线性波动方程操作符，并实现快速预测具有移动来源的现实 3D 声学场景的声音传播，该方法标志着先前没有机器学习方法在现实领域内精确预测完整波场的革命。

    Aug, 2023

  • 一种使用生成对抗网络进行城市交通噪声快速绘制的方法

    利用生成对抗网络作为替代模型，我们开发了一种快速城市交通噪声地图绘制技术，使城市设计师和规划者能够轻松地预测设计所引起的声学影响的变化。

    May, 2024

  • 基于知识增强去噪扩散的城市流动生成建模

    通过扩散模型生成没有历史流量数据的区域的动态城市流量，使用城市知识图和增强的扩散模型进行建模，并且通过实验证明其优越性和适用性。

    Sep, 2023

  • 城市空气污染的状态估计：统计、物理和超学习图模型

    实时重建城市空气污染地图的问题，通过在城市图上提出不同的重建方法，包括完全数据驱动、物理驱动或混合驱动，并结合超级学习模型，本研究在法国巴黎市中心测试了方法的性能。

    Feb, 2024

  • ArchiSound: 漫射生成音频

    该论文研究了扩散模型在音频生成方面的应用，提出了多种模型来满足音频生成的多方面需求，并通过简化工具库加速实时推理。

    Jan, 2023

  • CRASH: 基于原始音频评分的生成式建模，用于可控的高分辨率鼓声合成

    本文提出了一种基于得分的生成模型，利用扩散过程建模和条件 U-Net 逼近得分函数实现音频合成。该方法可以以高分辨率 44.1kHz 可控生成短小的打击声音，并且适用于多种采样方案，包括类条件采样和杂交声音生成。相比其他基于 GAN 的方法，该方法模型轻便、易于训练。

    Jun, 2021

  • 语义占用地图中的城市场景扩散

    利用 Bird's-Eye View 地图条件的 3D 扩散模型 UrbanDiffusion 生成具有几何和语义的城市场景，并通过训练实际驾驶数据集，该模型能够生成多样性的城市场景，进一步将生成的场景扩展到任意规模，并通过预训练的图像生成器实现场景图像合成的应用。

    Mar, 2024

  • 原始音乐生成的渐进蒸馏扩散

    应用一种新的深度学习方法来生成原始音频文件，并使用 1D U-Net 的渐进蒸馏扩散模型实现无条件音乐生成，并比较不同扩散参数的价值和实现。

    Jul, 2023

  • 贝叶斯推断与神经估计声波传播

    本文提出了一种新颖的框架，将物理和机器学习方法相结合，用于分析声学信号。该框架包括三种方法：用贝叶斯推断法推断谱声学特性，将神经网络配备前向和反向物理损失的神经物理模型，以及用作基准的非线性最小二乘法。推断的传播系数导致室内冲激响应（RIR）量，可用于带有不确定性的重定位。这一框架的简单和高效在模拟数据上得到了实证验证。

    May, 2023

  • 基于物理先验的深度生成模型

    应用深度生成模型通过物理学定理来传递极高复杂物理系统中的不确定性。我们构建出一个隐式变分推断公式，并顺利地运用物理学原理作为模型输出的约束条件。这让模型在面对高成本数据采集以及通常小型训练数据集的物理系统建模时具备了一种可扩展的方法来描述随机输入或观测和物理系统输出的不确定性，并以传输动态为规范示例来验证了方法的有效性。

    Dec, 2018