Lossius et. al introduced the distance-based amplitude panning algorithm, or DBAP, to enable flexibility of loudspeaker placement in artistic and scientific contexts. The algorithm allows for arbitrary loudspeaker locations in a 2D plane so that a virtual sound source may navigate the 2D space. The gains for each speaker are calculated as a function of the source's distance to each loudspeaker, thus creating a sound field. This gives the listener the impression of a source moving through the field of loudspeakers. This paper introduces a heuristically developed robust variation of DBAP that corrects for faulty assumptions in the implementation of Lossius. Specifically, this paper develops a method for working with sound sources outside the field of loudspeakers in which the Lossius version produces distorted aural impressions and wildly undulating amplitudes caused by spatial discontinuities in the gains of the various loudspeakers. In smoothing the spatial impression of the virtual source, we are also able to eliminate the calculation of the convex hull entirely, a necessary component of the original implementation. This significantly simplifies and reduces the calculations required for any space in either two or three dimensions.


翻译:Lossius et al 引入了远程振幅分布算法, 即 DBAP, 允许在艺术和科学环境中使用扩音器的灵活性。 该算法允许在 2D 平面上任意使用扩音器的位置, 以便虚拟声源源可以导航 2D 空间。 每个扬声器的增益是源与每个扬声器之间的距离函数计算出来的, 从而创造一个声场。 这给听众提供了在扩音器场中移动源的印象。 本文还引入了一种超强的DBAP变异功能, 以校正执行Lossius 的错误假设。 具体而言, 本文开发了一种在扩音器场外与音源合作的方法, 使Lossius 版本产生扭曲的听觉印象, 以及由各扬声器的增益导致的空间不连续造成的奇异的振度。 为了平滑动虚拟源的空间印象, 我们还能够完全消除对阵形板的计算, 这是最初实施Lossius 中一个必要的组成部分 。

0
下载
关闭预览

相关内容

专知会员服务
42+阅读 · 2020年12月18日
最新!Yann Lecun 纽约大学Spring2020深度学习课程,附PPT下载
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月9日
Arxiv
0+阅读 · 2021年11月9日
Imitation by Predicting Observations
Arxiv
4+阅读 · 2021年7月8日
Arxiv
3+阅读 · 2017年12月1日
VIP会员
相关VIP内容
专知会员服务
42+阅读 · 2020年12月18日
最新!Yann Lecun 纽约大学Spring2020深度学习课程,附PPT下载
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
意识是一种数学模式
CreateAMind
3+阅读 · 2019年6月24日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
最佳实践:深度学习用于自然语言处理(三)
待字闺中
3+阅读 · 2017年8月20日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员