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

【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)Deep Learning JP
 
李宏毅/當語音處理遇上深度學習
李宏毅/當語音處理遇上深度學習李宏毅/當語音處理遇上深度學習
李宏毅/當語音處理遇上深度學習台灣資料科學年會
 
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編Fixstars Corporation
 
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)Takuma Yagi
 
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII
 
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~Silicon Studio Corporation
 
ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2) ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2) cvpaper. challenge
 
[DL輪読会]YOLO9000: Better, Faster, Stronger
[DL輪読会]YOLO9000: Better, Faster, Stronger[DL輪読会]YOLO9000: Better, Faster, Stronger
[DL輪読会]YOLO9000: Better, Faster, StrongerDeep Learning JP
 
Long-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向についてLong-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向についてPlot Hong
 
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化についてマルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化についてFixstars Corporation
 
査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律英文校正エディテージ
 
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-Hirokatsu Kataoka
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーnlab_utokyo
 
[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化Deep Learning JP
 
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化Yusuke Fujimoto
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII
 
信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化Shunsuke Ono
 
深層生成モデルを用いたマルチモーダル学習
深層生成モデルを用いたマルチモーダル学習深層生成モデルを用いたマルチモーダル学習
深層生成モデルを用いたマルチモーダル学習Masahiro Suzuki
 

What's hot (20)

prml4.1.3-4.1.4
prml4.1.3-4.1.4prml4.1.3-4.1.4
prml4.1.3-4.1.4
 
【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)【DL輪読会】Patches Are All You Need? (ConvMixer)
【DL輪読会】Patches Are All You Need? (ConvMixer)
 
李宏毅/當語音處理遇上深度學習
李宏毅/當語音處理遇上深度學習李宏毅/當語音處理遇上深度學習
李宏毅/當語音處理遇上深度學習
 
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
CPU / GPU高速化セミナー!性能モデルの理論と実践:理論編
 
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
RBM、Deep Learningと学習(全脳アーキテクチャ若手の会 第3回DL勉強会発表資料)
 
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向
 
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
CEDEC 2011 コンピュータ・グラフィクス関連の最新論文紹介 ~Shape Matching法とその周辺技術~
 
ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2) ECCV2020 オーラル論文完全読破 (2/2)
ECCV2020 オーラル論文完全読破 (2/2)
 
[DL輪読会]YOLO9000: Better, Faster, Stronger
[DL輪読会]YOLO9000: Better, Faster, Stronger[DL輪読会]YOLO9000: Better, Faster, Stronger
[DL輪読会]YOLO9000: Better, Faster, Stronger
 
Long-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向についてLong-Tailed Classificationの最新動向について
Long-Tailed Classificationの最新動向について
 
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化についてマルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
マルチレイヤコンパイラ基盤による、エッジ向けディープラーニングの実装と最適化について
 
査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律査読コメントに回答する時の、3つの黄金律
査読コメントに回答する時の、3つの黄金律
 
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
 
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までーDeep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
 
[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化[DL Hacks]Visdomを使ったデータ可視化
[DL Hacks]Visdomを使ったデータ可視化
 
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
 
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
 
ResNetの仕組み
ResNetの仕組みResNetの仕組み
ResNetの仕組み
 
信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化信号処理・画像処理における凸最適化
信号処理・画像処理における凸最適化
 
深層生成モデルを用いたマルチモーダル学習
深層生成モデルを用いたマルチモーダル学習深層生成モデルを用いたマルチモーダル学習
深層生成モデルを用いたマルチモーダル学習
 

Recently uploaded

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
 
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
 
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
 
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:キンドリルジャパン社内勉強会:2024年4月発表)
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:キンドリルジャパン社内勉強会:2024年4月発表)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:キンドリルジャパン社内勉強会:2024年4月発表)
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:キンドリルジャパン社内勉強会:2024年4月発表)Hiroshi Tomioka
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NTT DATA Technology & Innovation
 
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
 
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
 
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
 

Recently uploaded (9)

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)
 
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
 
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
 
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:キンドリルジャパン社内勉強会:2024年4月発表)
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:キンドリルジャパン社内勉強会:2024年4月発表)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:キンドリルジャパン社内勉強会:2024年4月発表)
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:キンドリルジャパン社内勉強会:2024年4月発表)
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 
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
 
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...
 
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?
 

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