中村友彦

空間音響処理と音場モデリング

疎な音響観測，ニューラル・物理情報・生成モデル，音場補間とHRTF補間

限られた音響観測からの空間音響処理と空間的な聞こえのモデリングを研究しています．音源方向間の頭部伝達関数（HRTF）のニューラル補間や，物理情報ニューラルネットワークおよびFlow Matchingによる異なるアプローチでの疎な音場推定を扱います．別の研究では，2話者間の位置での聞こえを再現するバーチャルマイクを提案し，音源や視覚情報の影響を調査しています．

小山翔一教授（NII）ほかとの共同研究

デモ

関連文献

  • Ege Erdem, Shoichi Koyama, Tomohiko Nakamura, Orchisama Das, and Zoran Cvetkovic, “SF-Flow: Sound field magnitude estimation via flow matching guided by sparse measurements,” in Proceedings of International Workshop on Acoustic Signal Enhancement, Sept. 2026.
  • 中田 陸斗, 三井 啓史, 中村 颯, 清水 周一郎, 高道 慎之介, 山岡 洸瑛, 中村 友彦, “2話者間位置における聞こえを再現するバーチャルマイクの提案と音源・視覚情報の影響の調査,” 日本音響学会 2026年秋期研究発表会, Sept. 2026.
  • Karl Schrader, Shoichi Koyama, Tomohiko Nakamura, and Mirco Pezzoli, “Phase-retrieval-based physics-informed neural networks for acoustic magnitude field reconstruction,” in Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing, May 2026, pp. 15162–15166.
  • Ryan Niu, Shoichi Koyama, and Tomohiko Nakamura, “Head-related transfer function individualization using anthropometric features and spatially independent latent representations,” in Proceedings of IEEE Workshop on Applications of Signal Processing to Audio and Acoustics, Oct. 2025.
  • Yuki Ito, Tomohiko Nakamura, Shoichi Koyama, Shuichi Sakamoto, and Hiroshi Saruwatari, “Spatial upsampling of head-related transfer function using neural network conditioned on source position and frequency,” IEEE Open Journal of Signal Processing, vol. 6, pp. 1109–1123, Sept. 2025.
  • Shoichi Koyama, Juliano Ribeiro, Tomohiko Nakamura, Natsuki Ueno, and Mirco Pezzoli, “Physics-informed machine learning for sound field estimation,” Special Issue on Model-Based and Data-Driven Audio Signal Processing, IEEE Signal Processing Magazine, vol. 41, pp. 60–71, Nov. 2024.
  • Yuki Ito, Tomohiko Nakamura, Shoichi Koyama, and Hiroshi Saruwatari, “Head-related transfer function interpolation from spatially sparse measurements using autoencoder with source position conditioning,” in Proceedings of International Workshop on Acoustic Signal Enhancement, Sept. 2022.
  • Kazuhide Shigemi, Shoichi Koyama, Tomohiko Nakamura, and Hiroshi Saruwatari, “Physics-informed convolutional neural network with bicubic spline interpolation for sound field estimation,” in Proceedings of International Workshop on Acoustic Signal Enhancement, Sept. 2022.
  • 伊藤 悠貴, 中村 友彦, 小山 翔一, 猿渡 洋, “音源位置で条件付けた自己符号化器を用いた少数測定データからの頭部伝達関数補間,” 日本音響学会 2022年秋期研究発表会, pp. 501–504, Sept. 2022.
  • 重見 和秀, 小山 翔一, 中村 友彦, 猿渡 洋, “スプライン補間に基づく音場表現を用いたPhysics-informed neural Networksによる音場推定 －散乱体を含む領域に関する検証－,” 日本音響学会 2022年秋期研究発表会, pp. 239–242, Sept. 2022.
  • 伊藤 悠貴, 中村 友彦, 小山 翔一, 猿渡 洋, “球波動関数展開を用いた深層学習による少数測定データからの頭部伝達関数補間,” 電子情報通信学会技術研究報告, vol. 121, pp. 163–170, Mar. 2022.
  • 重見 和秀, 小山 翔一, 中村 友彦, 猿渡 洋, “差分近似型Helmholtz方程式に基づく損失関数を用いた深層学習による少数観測点からの音場推定,” 電子情報通信学会技術研究報告, vol. 121, pp. 132–139, Mar. 2022.