Abschlussarbeiten
Zurück zur Liste
Benutzergesteuerte Personalisierung für Spatial Audio
Abstract | Diese Masterarbeit beschäftigt sich mit der Untersuchung von HRTF Personalisierungs Methoden, die mit Benutzereingaben, statt Messungen funktionieren. Das Ziel der Arbeit ist, dass die Personalisierung nicht lange, repetitiv und fehleranfällig ist, sondern auf die Bedürfnisse und Empfindungen des Benutzers eingeht. Hierfür werden zwei Teilprobleme behandelt: (i) Entwickeln einer niedrigdimensionalen Representation für ein beliebiges HRTF und (ii) ein Optimierungsalgorithmus, welche mit Eingaben des Benutzers funktioniert. Mögliche niedrigdimensionale Darstellungsmöglichkeiten könnten durch (i) einer Datenbank Abgleichung, durch (ii) ein parametrisiertes Modell (ILD, ITD, CLL and notch-frequency), oder durch nichtlineare Einbettung der Daten (z.B. PCA, MDS, UMAP, MDE, Auto-encoders) erfolgen. Für die Optimierung wäre es hilfreich, wenn der Benutzer eine interpretierbare Kodierung der un-intuitiven Daten erhält. Da der Optimierungsprozess robust sein soll, ist es sinnvoll, statt Lokalisierungs-Aufgaben Trajektorien zu verwenden, anhand deren Form die Qualität der Personalisierung festgemacht werden kann, was auch die Dauer der Personalisierung reduzieren könnte. |
Autor*innen | |
Betreuer*innen | |
Jahr | 2022 |
Art der Arbeit | Masterarbeit |
Anmerkung | Spatial Audio |
Status | laufend |
Keywords | Wiedergabetechnik,HRTF Messungen,Machine Learning,Psychoakustik,parameter estimation,Schallquellenlokalisation,Spatial Audio |