Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

A Practical Approach to Power Saving in Hearables Using Sub-Nyquist Sampling with Bandwidth Extension

Created by
  • Haebom

作者

Tarikul Islam Tamiti, Anomadarshi Barua

概要

本論文は、低電力実装のためのウェアラブルコンピュータであるHearablesでのマルチモード音声向上（SE）のための新しい方法であるSUBARUを提案します。 SUBARUは、低サンプリング周波数と低ビット分解能を使用するADCにより消費電力を3.31倍に低減し、GANベースの音質向上をGANの敵対的な学習なしにマルチスケールおよびマルチサイクル仮想判別器を導入することで実現します。さらに、サブナイキストサンプリングでACM / BCM信号を処理し、狭帯域部分からの広帯域再構成方法論により、モバイルプラットフォームでのストリーミング作業と実際の環境のノイズ環境でのSEを1.74msの推論時間と13.77MB未満のメモリ使用量で達成します。既存の研究が低電力実装のための実用的な側面を考慮していなかったことを補完します。

Takeaways、Limitations

•
Takeaways：
◦
低電力ヒーラブルで効果的なマルチモード音声強化技術を提示
◦
サブナイキストサンプリングと低ビット分解能ADCを活用して消費電力を大幅に削減
◦
GANと同様の音質向上をGANネットワークなしで達成。
◦
モバイルプラットフォームでのリアルタイム処理と実環境での効果的な音声向上の可能性を実証
•
Limitations：
◦
提示された方法の客観的な性能評価のためのより詳細な実験結果が必要である。
◦
さまざまなノイズ環境の一般化性能検証が必要です。
◦
SUBARUのパフォーマンスが特定のハードウェアプラットフォームに依存している可能性。
👍
Made with Slashpage