项目名称: 间接优化的高效Monte Carlo声传播研究

项目编号: No.61772458

项目类型: 面上项目

立项/批准年度: 2018

项目学科: 计算机科学学科

项目作者: 任重

作者单位: 浙江大学

项目金额: 16万元

中文摘要: 实时声传播模拟在迅猛发展的虚拟现实和人工智能语音识别领域具有重要应用,而基于几何声学的Monte Carlo路径跟踪是其中最重要的一类方法。声传播的路径跟踪和面向图形绘制的路径跟踪的一个重要区别在于无法直接控制样本在目标域的分布,因此其质量/性能效率的改善依赖于间接样本优化分布方法。本课题面向高效Monte Carlo声传播模拟,围绕定量质量评价标准及其感知关联度、路径空间采样时域间接优化分布和误差控制的路径样本时空域重用等科学问题,研究基于冲激能量响应的信号特征建立可直接驱动声传播算法优化的质量评价标准,并在此基础上研究利用帧间连续性和特定算法参数与路径长度之间的内在关联性实现时域的间接样本分布优化,以及基于误差上限估计的声源时空域层次结构和在此之上的样本重用,并分析算法收敛性。课题有望大幅提高声传播模拟效率,为其在消费级虚拟现实和语音识别的高效样本合成中的应用和普及奠定理论和算法基础。

中文关键词: 声音绘制;实时光线跟踪;双向路径跟踪;重要性采样;采样重用

英文摘要: Realtime sound propagation has important application in the rapidly developing virtual reality and AI voice recognition domains. Geometry acoustic algorithms based on Monte Carlo (MC) path tracing are the most important realtime sound propagation methods, and they differ from the visual rendering counterpart in that the path sample distribution in the sampling domain cannot be directly controlled and the optimization of the sample distribution relies on indirect sampling mechanisms. This project aims at improving the quality/performance efficiency of MC sound propagation. To solve the key scientific problems of efficient MC sound propagation, including the qualitative metrics and their perceptual relevance, time domain indirect optimization of path sample distribution, error-controlled space-time reuse of path samples, the project proposes to start from studying the metric built on the impulse energy response that can be directly used to drive optimization algorithms. Based on the metric, frame coherence and the correlation between specific algorithm parameters and path length can be exploited to develop indirect sample distribution optimization algorithms. Space-time hierarchy of sound sources can be established, based on which time varying sample reuse algorithms can be proposed. The project also theoretically analyzes the convergence of the proposed algorithms. The project will significantly enhance the efficiency of sound propagation, and lay the theoretical and algorithmic foundation for the application of realtime sound propagation in consumer level VR and voice recognition.

英文关键词: Sound Rendering;Realtime Ray Tracing;Bidirectional Path Tracing;Importance Sampling;Sample Reuse

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】注意力机制的快速蒙特卡罗近似
专知会员服务
19+阅读 · 2022年2月5日
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
23+阅读 · 2021年7月10日
专知会员服务
37+阅读 · 2021年4月25日
专知会员服务
37+阅读 · 2020年11月24日
【NeurIPS 2020】通过双向传播的可扩展图神经网络
专知会员服务
27+阅读 · 2020年11月3日
因果关联学习,Causal Relational Learning
专知会员服务
181+阅读 · 2020年4月21日
自动结构变分推理,Automatic structured variational inference
专知会员服务
38+阅读 · 2020年2月10日
云计算成本优化终极指南
AI前线
0+阅读 · 2022年2月14日
PyTorch | 优化神经网络训练的17种方法
极市平台
3+阅读 · 2021年12月30日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
【WWW2021】高效的非抽样知识图谱嵌入
专知
0+阅读 · 2021年4月25日
浅谈主动学习(Active Learning)
凡人机器学习
31+阅读 · 2020年6月18日
【干货】强化学习在生成对抗网络文本生成中扮演的角色(下)
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
110+阅读 · 2020年2月5日
小贴士
相关VIP内容
【AAAI2022】注意力机制的快速蒙特卡罗近似
专知会员服务
19+阅读 · 2022年2月5日
【博士论文】吉布斯分布的局部、动态与快速采样算法
专知会员服务
28+阅读 · 2021年11月26日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
23+阅读 · 2021年7月10日
专知会员服务
37+阅读 · 2021年4月25日
专知会员服务
37+阅读 · 2020年11月24日
【NeurIPS 2020】通过双向传播的可扩展图神经网络
专知会员服务
27+阅读 · 2020年11月3日
因果关联学习,Causal Relational Learning
专知会员服务
181+阅读 · 2020年4月21日
自动结构变分推理,Automatic structured variational inference
专知会员服务
38+阅读 · 2020年2月10日
相关资讯
云计算成本优化终极指南
AI前线
0+阅读 · 2022年2月14日
PyTorch | 优化神经网络训练的17种方法
极市平台
3+阅读 · 2021年12月30日
再谈变分自编码器(VAE):估计样本概率密度
PaperWeekly
3+阅读 · 2021年12月23日
【WWW2021】高效的非抽样知识图谱嵌入
专知
0+阅读 · 2021年4月25日
浅谈主动学习(Active Learning)
凡人机器学习
31+阅读 · 2020年6月18日
【干货】强化学习在生成对抗网络文本生成中扮演的角色(下)
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员