Linear operations on coefficients in the spherical harmonics (SH) transform domain which again yield SH-domain coefficients are an important toolset in many disciplines of research and engineering. They comprise rotations, spatially selective filters, and many other modifications for various applications, or describe a MIMO system's response to an excitation. It is of particular importance to characterize these operations both qualitatively and quantitatively, and make them accessible for people to work with. In this paper, we identify different key properties of such operations and propose a method for their visualization. With our proposed method, we succeed to show many important aspects of an operation in a single plot and give rise to a comprehensive interpretation of a system's behavior. In our evaluation, we show the potential of the proposed method on the basis of various practical examples from spatial audio signal processing, where SH-domain filtering is used to modify acoustic scenes given by higher-order Ambisonics signals.


翻译:球体口音( SH) 转换域的系数线性操作,再次产生 SH- Domain 系数,是许多研究和工程学科的重要工具。 它们包括旋转、空间选择性过滤器和各种应用的许多其他修改,或描述一个MIMO 系统对刺激的反应。 特别重要的是从质量和数量上描述这些操作的特点,并使人们可以接触这些操作。 在本文件中, 我们确定这种操作的不同关键特性, 并提出可视化的方法。 我们建议的方法, 我们成功地展示了单一图案操作的许多重要方面, 并引出了对系统行为的全面解释。 在我们的评估中, 我们根据空间音频处理的各种实际例子, 即SH- Domain 过滤法用于改变由更高级的阿姆比索尼克斯信号提供的声场。

0
下载
关闭预览

相关内容

【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
ICML2019机器学习顶会接受论文列表!
专知
10+阅读 · 2019年5月12日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16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
Arxiv
0+阅读 · 2021年6月17日
Arxiv
0+阅读 · 2021年6月16日
Arxiv
1+阅读 · 2021年6月14日
Local Explanation of Dialogue Response Generation
Arxiv
0+阅读 · 2021年6月11日
Arxiv
8+阅读 · 2020年8月30日
Visualizing and Measuring the Geometry of BERT
Arxiv
7+阅读 · 2019年10月28日
Hyperspherical Variational Auto-Encoders
Arxiv
4+阅读 · 2018年9月26日
VIP会员
相关资讯
ICML2019机器学习顶会接受论文列表!
专知
10+阅读 · 2019年5月12日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3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
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记
统计学习与视觉计算组
17+阅读 · 2018年3月16日
机器学习线性代数速查
机器学习研究会
19+阅读 · 2018年2月25日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16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
相关论文
Top
微信扫码咨询专知VIP会员