NIIRF: Neural IIR Filter Field for HRTF Upsampling and Personalization

头相关转移函数（HRTFs）对于沉浸式音频非常重要，它们的空间插值已被研究用于上采样有限的测量数据。最近，将声源方向映射到HRTF的神经场（NF）引起了人们的关注。现有的基于NF的方法侧重于从给定的声源方向估计HRTF的幅度，并将幅度转换为有限脉冲响应（FIR）滤波器。我们提出了神经无限脉冲响应滤波器场（NIIRF）方法，它代替估计级联IIR滤波器的系数。IIR滤波器模拟了HRTFs的模态特性，因此需要更少的系数来很好地近似它们，而不像FIR滤波器那样需要更多的系数。我们发现，我们的方法可以在多个数据集上与现有的基于NF的方法匹配性能，甚至在测量数据稀疏时超越它们。我们还探讨了将NF个性化到主题的方法，并实验性地发现低秩适应是有效的。

本论文旨在研究利用神经场（NF）技术实现头部传递函数（HRTFs）的空间插值，提出了一种新的神经无限冲激响应滤波器场（NIIRF）方法，以更少的系数来准确逼近HRTFs。

NIIRF方法通过估计级联IIR滤波器的系数来逼近HRTFs，从而更好地模拟了HRTFs的模态特性。相比于现有的NF方法，NIIRF方法在多个数据集上表现出色，尤其是在数据稀疏的情况下表现更好。此外，通过对NF进行个性化调整，可以有效提高性能。

实验结果表明，NIIRF方法在多个数据集上表现出色，尤其是在数据稀疏的情况下表现更好。通过对NF进行个性化调整，可以有效提高性能。

在相关研究中，已经有一些NF技术用于HRTFs的空间插值，但大多数方法都是估计HRTF的幅度，并将其转换为有限冲激响应（FIR）滤波器。与之相比，NIIRF方法估计级联IIR滤波器的系数，从而更好地模拟了HRTFs的模态特性。