Περιγραφή

Η συγκεκριμένη ερευνητική κατεύθυνση αφορά την αφαίρεση αντήχησης από ηχογραφήσεις τυμπάνων, με στόχο την βελτιστοποίηση τους σε διαδικασίες μουσικής παραγωγής και αποκατάστασης ήχου. Σε πρακτικό επίπεδο, αυτό μπορεί να βοηθήσει όταν θέλουμε να επεξεργαστούμε ή να επαναχρησιμοποιήσουμε αυτές τις εκτελέσεις με αφαίρεση φυσικών αντηχήσεων του χώρου ηχογράφησης.

Το πρόβλημα στα τύμπανα είναι ιδιαίτερα απαιτητικό, γιατί το όριο ανάμεσα στο τι είναι “καθαρό” σήμα και τι reverberant δεν είναι πάντα σαφές. Οι συντονισμοί απο τις μεμβράνες των δερμάτων, όπως και μεταξύ άλλων στοιχείων ενός kit καθώς και οι πρώιμες ανακλάσεις (early reflections) μπορεί συχνά να εκλαμβάνονται ως μέρος του ίδιου του οργάνου. Για αυτόν τον λόγο, η έρευνα εστιάζει στην αντήχηση που προκαλείται από το ίδιο το δωμάτιο και όχι με χρήση τεχνητών/algorithmic reverbs (π.χ. plate, spring, gated effects) που αντιμετωπίζονται ως διαφορετική κατηγορία προβλήματος.

Μεθοδολογικά, χρησιμοποιείται το cold diffusion σχήμα εκμάθησης σε stereo spectrograms (real/imaginary representations) στα 44.1 kHz. Σε πιο πρακτικούς όρους, το μοντέλο μαθαίνει μια σταδιακή διαδικασία αποκατάστασης: αντί να προσπαθεί να αφαιρέσει την αντήχηση σε ένα μόνο βήμα, βελτιώνει προοδευτικά το σήμα προς μια πιο “στεγνή” και καθαρή εκδοχή, διατηρώντας όσο γίνεται τον φυσικό χαρακτήρα των τυμπάνων. Η έρευνα περιλαμβάνει διαφορετικές αρχιτεκτονικές νευρωνικών δικτύων, όπως UNet και Diffusion Transformer (DiT), με στόχο να μελετηθεί τόσο η ποιότητα αποκατάστασης όσο και η ικανότητα γενίκευσης σε μη-ορατές για το μοντέλο συνθήκες (unseen rooms / reverberation profiles).