{"id":18391,"date":"2022-11-14T03:00:10","date_gmt":"2022-11-14T03:00:10","guid":{"rendered":"https:\/\/domosistemas.com\/?p=18391"},"modified":"2022-11-14T03:00:10","modified_gmt":"2022-11-14T03:00:10","slug":"el-mit-desarrolla-un-modelo-de-aprendizaje-automatico-para-capturar-el-sonido-en-los-entornos","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=18391","title":{"rendered":"El MIT desarrolla un modelo de aprendizaje autom\u00e1tico para capturar el sonido en los entornos"},"content":{"rendered":"<div>\n<p>Un grupo de investigadores del Instituto Tecnol\u00f3gico de Massachussets (<a href=\"https:\/\/web.mit.edu\/\" target=\"_blank\" rel=\"noopener\">MIT<\/a>) y del MIT-IBM Watson AI Lab han desarrollado un modelo de aprendizaje autom\u00e1tico capaz de capturar c\u00f3mo se propagar\u00e1 cualquier sonido en una habitaci\u00f3n a trav\u00e9s del espacio, para ayudar a las m\u00e1quinas a visualizar mejor los entornos.<\/p>\n<figure id=\"attachment_114221\" aria-describedby=\"caption-attachment-114221\" style=\"width: 800px\" class=\"wp-caption aligncenter\"><img decoding=\"async\" loading=\"lazy\" class=\"size-full wp-image-114221\" src=\"https:\/\/static.casadomo.com\/media\/2022\/11\/mit-aprendizaje-automatico-captura-sonido-espacios.png\" alt=\"Aprendizaje autom\u00e1tico captura del sonido.\" width=\"800\" height=\"503\" srcset=\"https:\/\/static.casadomo.com\/media\/2022\/11\/mit-aprendizaje-automatico-captura-sonido-espacios.png 800w, https:\/\/static.casadomo.com\/media\/2022\/11\/mit-aprendizaje-automatico-captura-sonido-espacios-300x189.png 300w, https:\/\/static.casadomo.com\/media\/2022\/11\/mit-aprendizaje-automatico-captura-sonido-espacios-768x483.png 768w, https:\/\/static.casadomo.com\/media\/2022\/11\/mit-aprendizaje-automatico-captura-sonido-espacios-180x113.png 180w\" sizes=\"auto, (max-width: 800px) 100vw, 800px\"><figcaption id=\"caption-attachment-114221\" class=\"wp-caption-text\">El modelo de aprendizaje autom\u00e1tico del MIT ayudar\u00e1 a modelar con precisi\u00f3n la ac\u00fastica de un espacio.<\/figcaption><\/figure>\n<p>Al modelar con precisi\u00f3n la ac\u00fastica de una escena, el sistema puede aprender la geometr\u00eda 3D subyacente de una habitaci\u00f3n a partir de grabaciones de sonido. Los investigadores pueden usar la informaci\u00f3n ac\u00fastica que captura su sistema para crear representaciones visuales precisas de una habitaci\u00f3n, de manera similar a como los humanos usan el sonido cuando estiman las propiedades de su entorno f\u00edsico.<\/p>\n<p>Adem\u00e1s de sus aplicaciones potenciales en realidad virtual y aumentada, esta t\u00e9cnica podr\u00eda ayudar a los agentes de inteligencia artificial a desarrollar una mejor comprensi\u00f3n del mundo que les rodea, como modelar las propiedades ac\u00fasticas del sonido en su entorno.<\/p>\n<p>En la investigaci\u00f3n de la visi\u00f3n por computadora, se ha utilizado un tipo de modelo de aprendizaje autom\u00e1tico llamado modelo de representaci\u00f3n neuronal impl\u00edcita para generar reconstrucciones suaves y continuas de escenas 3D a partir de im\u00e1genes. Estos modelos utilizan redes neuronales, que contienen capas de nodos interconectados, que procesan los datos para completar una tarea.<\/p>\n<h2>Incorporaci\u00f3n de propiedades ac\u00fasticas del sonido<\/h2>\n<p>Los investigadores del MIT emplearon el mismo tipo de modelo para capturar c\u00f3mo el sonido viaja continuamente a trav\u00e9s de una escena. Pero descubrieron que los modelos de visi\u00f3n se benefician de una propiedad conocida como consistencia fotom\u00e9trica que no se aplica al sonido. Si uno mira el mismo objeto desde dos lugares diferentes, el objeto se ve m\u00e1s o menos igual, pero con el sonido, cambian las ubicaciones y el sonido que uno escucha puede ser completamente diferente debido a los obst\u00e1culos, la distancia, etc.<\/p>\n<p>Los investigadores superaron este problema incorporando dos propiedades de la ac\u00fastica en su modelo: la naturaleza rec\u00edproca del sonido y la influencia de las caracter\u00edsticas geom\u00e9tricas locales. Para incorporar estos dos factores en su modelo, llamado campo ac\u00fastico neuronal (NAF), aumentan la red neuronal con una cuadr\u00edcula que captura objetos y caracter\u00edsticas arquitect\u00f3nicas en la escena, como puertas o paredes. El modelo muestrea aleatoriamente puntos en esa cuadr\u00edcula para aprender las caracter\u00edsticas en ubicaciones espec\u00edficas.<\/p>\n<p>Los investigadores pueden alimentar al NAF con informaci\u00f3n visual sobre una escena y algunos espectrogramas que muestran c\u00f3mo sonar\u00eda una pieza de audio cuando el emisor y el oyente est\u00e1n situados en ubicaciones de destino alrededor de la habitaci\u00f3n. Luego, el modelo predice c\u00f3mo sonar\u00eda ese audio si el oyente se mueve a cualquier punto de la escena.<\/p>\n<p>El NAF emite una respuesta de impulso, que captura c\u00f3mo debe cambiar un sonido a medida que se propaga a trav\u00e9s de la escena. Despu\u00e9s, los investigadores aplican esta respuesta de impulso a diferentes sonidos para escuchar c\u00f3mo deber\u00edan cambiar esos sonidos cuando una persona camina por una habitaci\u00f3n. Adem\u00e1s, descubrieron que aplicar la informaci\u00f3n ac\u00fastica que aprende su modelo a un modelo de visi\u00f3n por computadora puede conducir a una mejor reconstrucci\u00f3n visual de la escena.<\/p>\n<p>La entrada <a rel=\"nofollow\" href=\"https:\/\/www.casadomo.com\/2022\/11\/14\/mit-desarrolla-modelo-aprendizaje-automatico-capturar-sonido-entornos\">El MIT desarrolla un modelo de aprendizaje autom\u00e1tico para capturar el sonido en los entornos<\/a> aparece primero en <a rel=\"nofollow\" href=\"https:\/\/www.casadomo.com\/\">CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Un grupo de investigadores del Instituto Tecnol\u00f3gico de Massachussets (MIT) y del MIT-IBM Watson AI Lab han desarrollado un modelo de aprendizaje autom\u00e1tico capaz de capturar c\u00f3mo se propagar\u00e1 cualquier sonido en una habitaci\u00f3n a trav\u00e9s del espacio, para ayudar a las m\u00e1quinas a visualizar mejor los entornos. El modelo de aprendizaje autom\u00e1tico del MIT &hellip; <a href=\"https:\/\/domosistemas.com\/?p=18391\" class=\"more-link\">Sigue leyendo <span class=\"screen-reader-text\">El MIT desarrolla un modelo de aprendizaje autom\u00e1tico para capturar el sonido en los entornos<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-18391","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/18391","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=18391"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/18391\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=18391"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=18391"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=18391"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}