音響データセット2026/8/21arXiv:2608.21075

AudioWorldSim: 世界モデルのための現実的なバイノーラル音響データセット

AudioWorldSim: Realistic Binaural Audio Datasets For World Models

MetaのSoundSpaces 2.0を拡張し、ランダムなエージェント移動に基づく現実的なバイノーラル音響データセットを自動生成するオープンソースプラットフォームを提案した。

詳しい要約

1. どんなもの？

AudioWorldSimは、現実的なバイノーラル音響データセットを生成するためのオープンソースプラットフォームである。MetaのSoundSpaces 2.0を拡張し、ランダムなエージェントナビゲーションの自動ロールアウトと連続音の合成方法の修正に焦点を当てている。音響ベースの機械学習、特にworld modelsの研究を進めることを目的としている。

2. 先行研究と比べてどこがすごい？

先行研究であるSoundSpaces 2.0は包括的な音響フレームワークを提供するが、AudioWorldSimはその上に、ランダムなエージェントナビゲーションの自動ロールアウト機能を追加し、連続音の合成における重要な修正を実装している点が新しい。これにより、より現実的で多様なバイノーラル音響データを効率的に生成できる。

3. 技術・手法の肝は？

手法の肝は、SoundSpaces 2.0の音響シミュレーション基盤を利用しつつ、エージェントのナビゲーションを自動化してランダムな軌跡を生成すること、および連続音の合成方法を修正して自然な音響体験を実現することにある。具体的な修正内容は要旨からは不明だが、連続音の合成における問題を解決している。

4. どうやって有効だと検証した？

要旨には検証方法の詳細は記載されていない。プラットフォームが公開されていることから、コミュニティによる利用と再現性の確保が意図されているが、具体的な実験や評価指標は不明。

5. 議論はある？

要旨からは議論の内容は不明。ただし、連続音の合成修正や自動ロールアウトの実装が、生成データの現実性と多様性に与える影響についての考察が考えられるが、詳細は不明。

6. 次に読むべき論文は？

要旨で参照されているMetaのSoundSpaces 2.0が次に読むべき論文として挙げられる。また、関連する音響シミュレーションやworld modelsの研究も関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Luis Vitor Zerkowski, Luiz Velho

分類: cs.SD, cs.LG

原文アブストラクト

This technical report presents AudioWorldSim, an open-source platform designed to generate realistic binaural audio datasets and advance research in audio-based machine learning, particularly world models. Built as a custom extension of Meta's SoundSpaces 2.0 platform, AudioWorldSim leverages their comprehensive acoustics framework, but focuses on the automatic rollout of random agent navigations, as well as implements crucial fixes to how continuous sound is composed. AudioWorldSim is made publicly available to the research community at https://github.com/Luizerko/AudioWorldSim to facilitate reproducibility.

arXivで原文を読む →arXiv概要ページ

← 論文一覧