2022/10/25
6時前にいったん目が覚めて、寝直して6時半頃起床。いい天気。朝飯は昨日買っていた辛ラーメンとゆで卵。
しばらく仕事をしたりメールを書いたりして、8時過ぎに出発。
たぶん今日は歩数が足りないので、会場を超えて少し散歩する。
会場であるHICOの向こうには慶州ワールドという遊園地がある。
その周辺に少し店がある。
慶州パンの店。そういえば慶州パンってあったな。
15分ほど歩いて、戻って会場へ。
■ Anomolous sound detection and classification for condition monitoring
2時間セッションだが、発表2件しかない。
ch
Multi-task learning for acoustic anomaly detection of machine sounds (KAIST)
深層学習による異常音検出では、オートエンコーダによる再構築による方法と分類による方法がある。再構築による方法では、定常音に対して自明な再構築（直前のスペクトルをコピーするとか）を学習してしまうことがある。また、通常音の種類によってどれくらいの時間幅で観測したらいいかどうかが変わる。そこでマルチタスク学習によって対処する。
モデルはWaveNet。WaveNetのたたみ込みの各層からそれぞれ再構成する1Dconvを作り、また同時に分類タスクも解く。これによって複数の異常スコアが出るので、これが多次元正規分布すると仮定してマハラノビス距離によって異常を検出する。
DCASEのデータで実験。再構成スコアよりも分類スコアの方が異常音に対する違いが大きい。最終的に、マルチタスク学習によって性能がやや向上。
On-site noise exposure technique for noise-robust machine fault classification (KAIST)
異常音による機械診断の雑音耐性をあげる研究。雑音だけの区間での誤検出を防ぐために圧音分類モデルを使うが、未知雑音に対しては異常音との区別がつかない。このため、現場での観測雑音(on-site noise)を使って追加学習みたいなことをする(On-site Noise Exposure, ONE)。ロス関数を見ると、on-side noiseを観測したときには分類出力が一様分布になり、検出したい音を観測したときにはone-hotに近づくような学習をするようだ。
データセットはToyADMOS2で、おもちゃの音に4つの工場雑音をさまざまなSNRで混ぜている。モデルはResNet。
なんかクローズドな環境のデータで学習した方が良い性能になる、というだけの話のような気がする。
セッション後、これらの発表の共著者のJung-Woo Choi先生と名刺交換をして少し話をした。
その後しばらく座ってメールや書類作成など。11時にはコーヒーブレイク。
11:20からキーノート。
Vibro-Acoustic modelling and Integrated design with control elements (Li Cheng, HK Polytechnique University)
- Vibroacoustic system
航空機や高速鉄道など、媒質の流れと機体構造およびその振動、発生する雑音が相互作用する系。このような系において、構造をどう設計すると雑音が低減するか。
たとえば飛行機の場合、軽量化によって発生する雑音が大きくなることがある。
振動と音のカップリング。放射効率σを介して両者のパワーは比例するが、実際の解析は複雑。
その他、問題として「構造の非一様性」「拡散と波長」など
さまざまなシミュレーション手法があり、周波数や問題の複雑さによって異なる。モード解析が最も簡単、難しい場合は統計的な解析になる。
- semi-analytical approach
Canadair の航空機キャビン内の雑音低減の例。構造の一部をちょっと変えるだけで劇的な効果がある。
- wavelet-galerkin method
キルヒホッフ・ヘルムホルツの式をWaveletで表現（式の展開はよく理解できない）
- Partition of Unity FEM
- Acoustic Black Hole (ABH)構造
雑音低減、エネルギーハーベスティングなどの応用が考えられる
この後昼食はビビンバ。赤木先生、坂本先生、坂本研OBのダニエルさんとご一緒する。
昼食後、13時からオンラインミーティング。30分ほどで終わり、セッションに戻る。
■ Source event detection, localization, and classification
Comparative study on various acoustic features for active target detection (Sejong U)
アクティブソナーによる標的認識。最初に深層学習を使わないことの言い訳からスタート。
さまざまなスペクトル特徴(FFTスペクトル、CQT、wavelet packet)、ケプストラム系、Timbre-based featureなどを使って表現、これをUMAPで2次元に落とす。その後、2次元空間上で（？）認識性能を比較。結論はよくわからん。
ここで隣の部屋に移動。
■ Speech perception, analysis, processing and augmentation
Spatial unmasking in reverbaration by children who use bilateral cochlear implants (Boys Town National Research Hospital)
子供の難聴で人工内耳を埋め込んだ場合の音知覚について。一番若くて6ヶ月あたりからインプラントするようだ。早い時期に入れた方がその後の発達に良いとのこと。残響下ではITDやILDなどの空間知覚のキューが損なわれる。Spacial unmaskingは複数音声が重なっているときに空間的に離れていればマスキング効果が弱くなる（聞き取りが容易になる）現象で、これを利用する。Minimum angular separation (MAS)は、ターゲット音声と雑音を同じ方向から少しずつ角度を離していって、了解度が20%向上する最小角度。ということで両耳人工内耳の児童のMASを測った。幼児の場合はMASが90度を超える（両耳受聴ができていない）が、もっと年齢が行っている子供では無響室環境では90度を下回り、残響環境との差が有意であった。
Unsupervised singing voice conversion with star generative adversarial networks and autoencoder based speaker embedding (Korea U)
StarGANによる歌声変換。StarGAN-VCが元になっている。最初に話者コードを使うオートエンコーダを学習しておいて、それを使ってStarGANによる学習をするらしい。細かい結果はよくわからなかったが、性別を超えた変換をすると、メロディが崩れてしまうらしい。
Using majority vote decision fusion from multi-performance CNN classifier to enhance vocal cancer detection accuracy from patient's voice (Changwon National U)
声を使った咽頭・喉頭がんのスクリーニング。被験者は全員40歳以上の男性で、音声は/a/4秒分。識別にはCNNを使う。5種類の異なる構造のCNNを作っておき、多数決によって結果を決める。単なる投票と確率を使う場合の2通りを比較。
Voiced/Unvoiced classification on expressive speech synthesis using instantaneous frequency amplitude spectrum to improve fundamental frequency estimation (Institut Teknologi Sepul Nopember)
インドネシア語の音声合成。手法はHMMだが、それを高音質化するため有声無声判定を頑張る話らしい。判定には瞬時周波数分析を用いて、HMMとしてDNN-HMMも検討。手法が古く、音声の品質は今ひとつ。
immersive sound for social interactions in extended reality (XR) - insights and current challenges (Ericsson Research)
遠隔会議のQuality of Experience (QoE)について。QoEの計測法はITUで標準が定められている(P.1301,1310,1320)。VRやXR環境で会議をするときのQoEをどのように簡便に測るか。いろいろな課題の話だけして最後はどういう話をするのかと思ったら、問題提起で終わった。Current Challangesってそういう・・・
その後Preview Roomでスライドをアップロードする。
ポスターセッションを流す。企業展示と同じ部屋＋休憩室になっている。
Active Noise Control for Coffee Maker (Chung Yuan Christian U)
コーヒーメーカーのアクティブ騒音制御。その発想はなかった。
Outlier-guided contrastive representation learning for unsupervised anomalous sound detection (NTU)
今回は全体に環境音認識や異常音検出が増えている印象。この発表のほかにもいくつか発表がある。DCASEのデータが公開されて取り組みやすくなったこともあるのだろう。
16:45からICA総会。それに先だって、新羅をモチーフにした歌と踊りが披露された。
17時前から総会が始まる。
・ICAは世界の音響学会の集合なので、会員となる学会の一覧、インドネシアが加盟したことなどの報告。
・3年間の活動報告。現在のICAはスペイン音響学会内にあるとのこと。COVIDのため、役員会などはすべてオンラインになり、総会も3年に1回ではなく毎年開催になった。
・ウェブサイトの改訂について
・世界の会議などへの支援について。COVIDで持ち越しになった会議もいくつかあった。
・選奨
・次回のICA2025は5月にニューオーリンズ。
・IYS2020+の報告。31ヶ国で130のイベントが開催された。Forum Acusticum 2023 （トリノ）でクロージングをする。
・ICA2028はポルトガルのマデイラ。行きたいけどこの頃には私は定年退職しているはず。
・役員選挙。明日中に投票して最終日に結果の報告をする。
・会計報告。
17時半ごろに終了。そのあと、どこかで夕食を食おうと朝の散歩コースを歩く。
焼肉かチゲかと思っていたが、結局カルグクスの店に入った。
明日の朝飯はカップ麺1個なので、もう少し買おうかなと思ってロッテマートへ。バナナとヨーグルトなどを買ったが、飲み物がなかったので、さらに近くのGS25へ。お茶など買う。
ホテルに戻る
戦利品
この後、メールを書いたり書類を作ったりして21時過ぎまで仕事。少し休んだ後、22時からIOWN Global ForumのRepresentative Meetingにオンライン参加（見てるだけだが）。同じく23時からMember Meeting。全体的な印象として、WG Meetingは進捗管理の話がほとんど、Member Meetingは概念の話がほとんどで、技術の話はあんまり出てこない印象。そういうのはビジネスとは関係が薄いということなのだろうか。
24時ちょっと前に寝る。
前の日へ 目次へ 次の日へ