Buchumschlag

IPDnet2: an efficient and improved inter-channel phase difference estimation network for sound source localization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yabo, Yang, Bing, Li, Xiaofei
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

IPDnet: A Universal Direct-Path IPD Estimation Network for Sound Source Localization
von: Wang, Yabo, et al.
Veröffentlicht: (2024)

Adaptive high-precision sound source localization at low frequencies based on convolutional neural network
von: Ma, Wenbo, et al.
Veröffentlicht: (2024)

Self-Supervised Learning of Spatial Acoustic Representation with Cross-Channel Signal Reconstruction and Multi-Channel Conformer
von: Yang, Bing, et al.
Veröffentlicht: (2023)

The Neural-SRP method for positional sound source localization
von: Grinstein, Eric, et al.
Veröffentlicht: (2024)

Fine-tune the pretrained ATST model for sound event detection
von: Shao, Nian, et al.
Veröffentlicht: (2023)

Resnet-conformer network with shared weights and attention mechanism for sound event localization, detection, and distance estimation
von: Vo, Quoc Thinh, et al.
Veröffentlicht: (2025)

RealMAN: A Real-Recorded and Annotated Microphone Array Dataset for Dynamic Speech Enhancement and Localization
von: Yang, Bing, et al.
Veröffentlicht: (2024)

Binaural sound source localization using a hybrid time and frequency domain model
von: Geva, Gil, et al.
Veröffentlicht: (2024)

Mel-McNet: A Mel-Scale Framework for Online Multichannel Speech Enhancement
von: Yang, Yujie, et al.
Veröffentlicht: (2025)

Exterior sound field estimation based on physics-constrained kernel
von: Ribeiro, Juliano G. C., et al.
Veröffentlicht: (2026)

Exploiting spatial diversity for increasing the robustness of sound source localization systems against reverberation
von: Garcia-Barrios, Guillermo, et al.
Veröffentlicht: (2024)

In situ sound absorption estimation with the discrete complex image source method
von: Brandao, Eric, et al.
Veröffentlicht: (2024)

Human-mimetic binaural ear design and sound source direction estimation for task realization of musculoskeletal humanoids
von: Omura, Yusuke, et al.
Veröffentlicht: (2024)

Representational learning for an anomalous sound detection system with source separation model
von: Shin, Seunghyeon, et al.
Veröffentlicht: (2024)

Kernel ridge regression based sound field estimation using a rigid spherical microphone array
von: Matsuda, Ryo, et al.
Veröffentlicht: (2025)

Rec-RIR: Monaural Blind Room Impulse Response Identification via DNN-based Reverberant Speech Reconstruction in STFT Domain
von: Wang, Pengyu, et al.
Veröffentlicht: (2025)

Stereo sound event localization and detection based on PSELDnet pretraining and BiMamba sequence modeling
von: Gao, Wenmiao, et al.
Veröffentlicht: (2025)

Rethinking the joint estimation of magnitude and phase for time-frequency domain neural vocoders
von: Dai, Lingling, et al.
Veröffentlicht: (2025)

Interaural time difference loss for binaural target sound extraction
von: Hernandez-Olivan, Carlos, et al.
Veröffentlicht: (2024)

Text2Move: Text-to-moving sound generation via trajectory prediction and temporal alignment
von: Liu, Yunyi, et al.
Veröffentlicht: (2025)

Reference Channel Selection by Multi-Channel Masking for End-to-End Multi-Channel Speech Enhancement
von: Dai, Wang, et al.
Veröffentlicht: (2024)

A Composite Predictive-Generative Approach to Monaural Universal Speech Enhancement
von: Zhang, Jie, et al.
Veröffentlicht: (2025)

Multispecies bird sound recognition using a fully convolutional neural network
von: García-Ordás, María Teresa, et al.
Veröffentlicht: (2024)

Mel-FullSubNet: Mel-Spectrogram Enhancement for Improving Both Speech Quality and ASR
von: Zhou, Rui, et al.
Veröffentlicht: (2024)

Time-domain sound field estimation using kernel ridge regression
von: Brunnström, Jesper, et al.
Veröffentlicht: (2025)

Controlling the Parameterized Multi-channel Wiener Filter using a tiny neural network
von: Grinstein, Eric, et al.
Veröffentlicht: (2025)

SLM-S2ST: A multimodal language model for direct speech-to-speech translation
von: Hu, Yuxuan, et al.
Veröffentlicht: (2025)

The effect of self-motion and room familiarity on sound source localization in virtual environments
von: Isserstedt, Niklas, et al.
Veröffentlicht: (2024)

LS-EEND: Long-Form Streaming End-to-End Neural Diarization with Online Attractor Extraction
von: Liang, Di, et al.
Veröffentlicht: (2024)

Multichannel Long-Term Streaming Neural Speech Enhancement for Static and Moving Speakers
von: Quan, Changsheng, et al.
Veröffentlicht: (2024)

SonicSim: A customizable simulation platform for speech processing in moving sound source scenarios
von: Li, Kai, et al.
Veröffentlicht: (2024)

Isolation performance metrics for personal sound zone reproduction systems
von: Qiao, Yue, et al.
Veröffentlicht: (2022)

Low algorithmic delay implementation of convolutional beamformer for online joint source separation and dereverberation
von: Mo, Kaien, et al.
Veröffentlicht: (2024)

Investigation of Speech and Noise Latent Representations in Single-channel VAE-based Speech Enhancement
von: Li, Jiatong, et al.
Veröffentlicht: (2025)

The feasibility of sound zone control using an array of parametric array loudspeakers
von: Zhuang, Tao, et al.
Veröffentlicht: (2024)

I-DCCRN-VAE: An Improved Deep Representation Learning Framework for Complex VAE-based Single-channel Speech Enhancement
von: Li, Jiatong, et al.
Veröffentlicht: (2025)

Sound event localization and detection based on crnn using rectangular filters and channel rotation data augmentation
von: Ronchini, Francesca, et al.
Veröffentlicht: (2020)

Acoustic source localization in the spherical harmonics domain exploiting low-rank approximations
von: Cobos, Maximo, et al.
Veröffentlicht: (2023)

Differentiable physics for sound field reconstruction
von: Verburg, Samuel A., et al.
Veröffentlicht: (2025)

Efficient training strategies for natural sounding speech synthesis and speaker adaptation based on FastPitch
von: Răgman, Teodora, et al.
Veröffentlicht: (2024)