Yuelei Li, Hyunjin Kim, Fangneng Zhan, Ri-Zhao Qiu, Mazeyu Ji, Xiaojun Shan, Xueyan Zou, Paul Liang, Hanspeter Pfister, Xiaolong Wang
개요
본 논문은 3D Gaussian Splatting(3DGS)을 활용하여 시각적 신호와 타격음을 3D 공간 내에서 연결하는 Visual Acoustic Fields라는 프레임워크를 제안합니다. 이 프레임워크는 조건부 확산 모델을 이용하여 3DGS로부터 렌더링된 다중 스케일 특징을 기반으로 사실적인 타격음을 생성하는 음향 생성 모듈과, 특징이 추가된 3DGS로 표현된 3D 장면을 질의하여 음원 위치를 찾는 음향 위치 파악 모듈로 구성됩니다. 또한, 캡처된 이미지, 충격 위치, 그리고 해당 사운드 간의 정렬을 달성하는 새로운 시각-음향 샘플 쌍 수집 파이프라인을 제시하며, 이는 3D 맥락에서 시각 및 음향 신호를 연결하는 최초의 데이터셋입니다. 실험 결과는 Visual Acoustic Fields가 타당한 충격음을 생성하고 충격원을 정확하게 찾는다는 것을 보여줍니다.