SlideShare a Scribd company logo
1 of 32
Download to read offline
音場再現における平滑化L-カーブ法を
用いた逆フィルタ設計の研究
発表日 2020/02/04
会場 第1会場 107号教室
所属 人工知能第1研究室
発表者 18e3004 衛藤 亮太
指導教員 古家 賢一 教授
目次
•研究背景
•高臨場音場再現技術
•研究目的
•従来研究
•提案法
•実験
•実験結果
•まとめ
1
研究背景
•高臨場感を得られる音響再生技術が開発
2
別の場所
•5.1ch、22.2ch
•高次アンビソニックス(HOA)
•波面合成法(WFS)
3
高臨場音場再現技術
受
聴
領
域
の
広
さ
解像度
22.2chサラウンド
高次アンビソニックス
5.1chサラウンド
波面合成法
スピーカ数の増加
数百個~数千個
数個~数十個
研究目的
•高臨場の音場を再現するためには聴取者の周囲に多く
のスピーカを設置する必要がある
•一般家庭のような環境では困難
•少数(4~5個程度)の指向性スピーカを用いて臨場感の
ある音場を再現したい
4
従来法
• 指向性スピーカを用いた音場再現手法
“Directional Loudspeaker Array for Surround Sound in Reverberant Rooms”
(T.Betlehem,2010)
• 音場再現の逆フィルタ計算にL-カーブ法を用いた手法
“指向性スピーカアレイを用いた音場再現におけるLカーブ法での逆フィルタ設計”
(衛藤,2018)
5
聴取者
指向性スピーカアレイ
仮想音源
指向性スピーカアレイを用いた音場再現
6
- :室内の音響伝達関数
- :フィルタ:出力の制御
- 𝐝 :所望の音場
逆フィルタGを求めることで所望の音場を再現することができる
×
仮想音源
指向性スピーカ
受聴領域
受音点
音場再現のフィルタ設計
7
所望の音場の計算
伝達関数の計算
鏡像法
正則化
最小二乗法
音場再現
逆フィルタG
L-カーブ法
正則化パラメータ
所望音圧 𝐝
伝達関数H
従来法の課題
•周波数によって音場再現精度のばらつきがある
8
良
悪
音場再現精度
のばらつき
提案法システム
9
所望の音場の計算
伝達関数の計算
鏡像法
正則化
最小二乗法
音場再現の
逆フィルタG
L-カーブ法
正則化パラメータ
所望音圧 𝐝
伝達関数H
平滑化
L-カーブ法で求めた正則化パラメータを平滑化し、逆フィルタ計算に用いる
L-カーブ法
•線形方程式を解くための正則化パラメータ決定法
“L一カーブによる不適切問題の最適正則化について”
(細田陽介,北川高嗣,1992,)
•y座標に逆フィルタのノルム、x座標に誤差、λ=0〜∞
•曲率最大な点 最適な正則化パラメータ
10
: フィルタの最適解
誤差
逆フィルタのノルム
正則化パラメータ
最適値:音場再現精度、逆フィルタのパワーの
バランスがとれた値
逆フィルタ計算式
提案法
• 正則化パラメータにより音場再現精度のばらつき
-外れ値の影響
• 周囲の周波数から補間した正則化パラメータを用いる
11
フ
ィ
ル
タ
の
ノ
ル
ム
誤差ノルム
外れ値
フ
ィ
ル
タ
の
ノ
ル
ム
誤差ノルム
正則化パラメータの平滑化
12
①正則化パラメータ
(L-カーブ法)
②閾値により外れ値除去
平均値代入
③Nサンプルごとに平滑化
移動平均 ⋯
提案法システム
13
所望の音場の計算
伝達関数の計算
鏡像法
正則化
最小二乗法
指向性スピーカの
フィルタG
L-カーブ法
正則化パラメータ
所望音圧 𝐝
伝達関数H
平滑化
音場再現の
逆フィルタG
提案法システム
14
所望の音場の計算
伝達関数の計算
鏡像法
正則化
最小二乗法
指向性スピーカの
フィルタG
L-カーブ法
正則化パラメータ
所望音圧 𝐝
伝達関数H
平滑化
音場再現の
逆フィルタG
所望の音場の計算
•仮想音源による受音点の音圧を所望の音場とする
15
仮想音源
受音点
𝑃 : 振幅定数
𝑓 : 周波数
𝑘 : 波数:𝑘 = 2𝜋𝑓 𝑐⁄
𝑥 : 受音点の座標
r : 仮想音源の座標
t : 時間
提案法システム
16
所望の音場の計算
伝達関数の計算
鏡像法
正則化
最小二乗法
指向性スピーカの
フィルタG
L-カーブ法
正則化パラメータ
所望音圧 𝐝
伝達関数H
平滑化
音場再現の
逆フィルタG
音響伝達関数の計算
•モノポールスピーカから受音点までの室内伝達関数
の計算
17
指向性スピーカ
受音点
モノポールスピーカ
𝑃 : 振幅定数
𝑓 : 周波数
r : 受音点の座標
𝑘 : 波数:𝑘 = 2𝜋𝑓 𝑐⁄
t : 時間
r
( )
∶ 鏡像音源の座標
𝜁 ∶ 累計反射係数
鏡像法
鏡像音源
提案法システム
18
所望の音場の計算
伝達関数の計算
鏡像法
正則化
最小二乗法
指向性スピーカの
フィルタG
L-カーブ法
正則化パラメータ
所望音圧 𝐝
伝達関数H
平滑化
音場再現の
逆フィルタG
正則化最小二乗法
•所望の音場との誤差を小さくするフィルタ計算
-頑健なシステムの実現のためにスピーカの出力パワーを適切
なレベルに抑える
19
Tikhonov正則化:特異値の影響を平滑化
G
正則化パラメータ
- :室内の音響伝達関数
- :フィルタ
- :所望の音場
 音場再現  特異値分解
:左特異ベクトル
:特異値
:右特異ベクトル
✙
平滑化L-カーブ法で決定
実験
20
•提案法の有効性を示すためのシミュレーション実験
•評価法
-平均二乗誤差
-逆フィルタのパワー
実験条件
21
受音点 36点(0.09m間隔)
指向性スピーカアレイ
(8個のモノポールを1組とする)
(モノポールスピーカ)
4組
(4組×8個=32個)
音源周波数 1~2000Hz
サンプリング周波数 8000Hz
壁の反射係数 0.5,0.9
鏡像音源 2回反射
平滑化サンプル数 平滑化なし:CM
100:PM[400]
400:PM[800]
1000:PM[1000]
仮想音源(所望音源) 90°
閾値 中央絶対偏差より3倍
平均二乗誤差_壁の反射係数0.5
•高周波数帯:ばらつき大
22
良
悪
平均二乗誤差_壁の反射係数0.9
•高周波数帯:ばらつき大
23
良
悪
平均誤差
•従来法より減少
24
良
悪
逆フィルタのパワー
•全周波数帯の平均
25
良
悪
低周波数帯の比較
•低周波数帯の逆フィルタパワーの比較
26
壁の反射係数:0.5
壁の反射係数:0.9
逆フィルタのパワー(低周波数帯)
-従来法より減少
27
良
悪
時間領域フィルタ(低周波数帯)
28
•壁の反射係数0.5
時間領域フィルタ(低周波数帯)
29
•壁の反射係数0.9
考察
•3次元環境の高周波数帯で効果少
-サンプリング条件の影響
マイクロホン間隔,指向性スピーカの間隔
空間サンプリング定理
関心周波数の波長の 以下の間隔
30
90°
60°
30°
120°
150°
0°
d
d:間隔
L:波⾧
d
まとめ
•背景
-高臨場感の得られる音響再生技術の開発
•目的
-高臨場音場再現には膨大な数のスピーカが必要
-設置が可能な個数の指向性スピーカアレイを用いた高臨場音場
再現
•課題
-音場再現精度の周波数によるばらつき
•提案法
-L-カーブ法で選択された正則化パラメータを外れ値除去、
平滑化
•結果
-3次元:低周波数帯
ばらつき-減少、平均誤差-減少、逆フィルタパワー減少
31

More Related Content

What's hot

非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料Takuya Minagawa
 
[DeepLearning論文読み会] Dataset Distillation
[DeepLearning論文読み会] Dataset Distillation[DeepLearning論文読み会] Dataset Distillation
[DeepLearning論文読み会] Dataset DistillationRyutaro Yamauchi
 
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII
 
深層学習に基づく音響特徴量からの振幅スペクトログラム予測
深層学習に基づく音響特徴量からの振幅スペクトログラム予測深層学習に基づく音響特徴量からの振幅スペクトログラム予測
深層学習に基づく音響特徴量からの振幅スペクトログラム予測Kitamura Laboratory
 
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative ModelingDeep Learning JP
 
PRML10.6 変分ロジスティック回帰
PRML10.6 変分ロジスティック回帰PRML10.6 変分ロジスティック回帰
PRML10.6 変分ロジスティック回帰Yo Ehara
 
確率ロボティクス第二回
確率ロボティクス第二回確率ロボティクス第二回
確率ロボティクス第二回Ryuichi Ueda
 
【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...
【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...
【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...Deep Learning JP
 
JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス Shinnosuke Takamichi
 
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast  Maximum Likelihood Samplin...[DL輪読会]Diffusion-based Voice Conversion with Fast  Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...Deep Learning JP
 
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例NU_I_TODALAB
 
外国人留学生日本語の音声合成における 話者性を保持した韻律補正
外国人留学生日本語の音声合成における話者性を保持した韻律補正外国人留学生日本語の音声合成における話者性を保持した韻律補正
外国人留学生日本語の音声合成における 話者性を保持した韻律補正Shinnosuke Takamichi
 
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...Deep Learning JP
 
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネットKen'ichi Matsui
 
スペクトログラム無矛盾性に基づく独立低ランク行列分析
スペクトログラム無矛盾性に基づく独立低ランク行列分析スペクトログラム無矛盾性に基づく独立低ランク行列分析
スペクトログラム無矛盾性に基づく独立低ランク行列分析Kitamura Laboratory
 
SSII2014 詳細画像識別 (FGVC) @OS2
SSII2014 詳細画像識別 (FGVC) @OS2SSII2014 詳細画像識別 (FGVC) @OS2
SSII2014 詳細画像識別 (FGVC) @OS2nlab_utokyo
 
Gpgpu tomoaki-fp16
Gpgpu tomoaki-fp16Gpgpu tomoaki-fp16
Gpgpu tomoaki-fp16tomoaki0705
 
WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響NU_I_TODALAB
 

What's hot (20)

非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料非技術者でもわかる(?)コンピュータビジョン紹介資料
非技術者でもわかる(?)コンピュータビジョン紹介資料
 
[DeepLearning論文読み会] Dataset Distillation
[DeepLearning論文読み会] Dataset Distillation[DeepLearning論文読み会] Dataset Distillation
[DeepLearning論文読み会] Dataset Distillation
 
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
 
深層学習に基づく音響特徴量からの振幅スペクトログラム予測
深層学習に基づく音響特徴量からの振幅スペクトログラム予測深層学習に基づく音響特徴量からの振幅スペクトログラム予測
深層学習に基づく音響特徴量からの振幅スペクトログラム予測
 
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling
 
PRML10.6 変分ロジスティック回帰
PRML10.6 変分ロジスティック回帰PRML10.6 変分ロジスティック回帰
PRML10.6 変分ロジスティック回帰
 
確率ロボティクス第二回
確率ロボティクス第二回確率ロボティクス第二回
確率ロボティクス第二回
 
【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...
【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...
【DL輪読会】NeRF in the Palm of Your Hand: Corrective Augmentation for Robotics vi...
 
JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス JVS:フリーの日本語多数話者音声コーパス
JVS:フリーの日本語多数話者音声コーパス
 
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast  Maximum Likelihood Samplin...[DL輪読会]Diffusion-based Voice Conversion with Fast  Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
 
Chainerで流体計算
Chainerで流体計算Chainerで流体計算
Chainerで流体計算
 
異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例異常音検知に対する深層学習適用事例
異常音検知に対する深層学習適用事例
 
外国人留学生日本語の音声合成における 話者性を保持した韻律補正
外国人留学生日本語の音声合成における話者性を保持した韻律補正外国人留学生日本語の音声合成における話者性を保持した韻律補正
外国人留学生日本語の音声合成における 話者性を保持した韻律補正
 
Prml6
Prml6Prml6
Prml6
 
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
【DL輪読会】Data-Efficient Reinforcement Learning with Self-Predictive Representat...
 
「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット「深層学習」第6章 畳込みニューラルネット
「深層学習」第6章 畳込みニューラルネット
 
スペクトログラム無矛盾性に基づく独立低ランク行列分析
スペクトログラム無矛盾性に基づく独立低ランク行列分析スペクトログラム無矛盾性に基づく独立低ランク行列分析
スペクトログラム無矛盾性に基づく独立低ランク行列分析
 
SSII2014 詳細画像識別 (FGVC) @OS2
SSII2014 詳細画像識別 (FGVC) @OS2SSII2014 詳細画像識別 (FGVC) @OS2
SSII2014 詳細画像識別 (FGVC) @OS2
 
Gpgpu tomoaki-fp16
Gpgpu tomoaki-fp16Gpgpu tomoaki-fp16
Gpgpu tomoaki-fp16
 
WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響WaveNetが音声合成研究に与える影響
WaveNetが音声合成研究に与える影響
 

Recently uploaded

クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成Hiroshi Tomioka
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 

Recently uploaded (9)

クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版) 2024年4月作成
 
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 

Inverse Filter design using smoothed L-curve method in Frequency Domain for Sound Field Reproduction