RIR-Mega: um conjunto de dados em larga escala de respostas ao impulso de salas simuladas para aprendizado de máquina e modelagem de acústica de ambientes
RIR-Mega: a large-scale simulated room impulse response dataset for machine learning and room acoustics modeling
October 21, 2025
Autores: Mandip Goswami
cs.AI
Resumo
As respostas ao impulso de sala (RIRs) são um recurso fundamental para desreverberação, reconhecimento robusto de fala, localização de fontes e estimativa de acústica de ambientes. Apresentamos o RIR-Mega, uma grande coleção de RIRs simuladas descritas por um esquema de metadados compacto e amigável para máquinas, distribuído com ferramentas simples para validação e reutilização. O conjunto de dados inclui um carregador para o Hugging Face Datasets, scripts para verificação de metadados e checksums, e uma linha de base de regressão de referência que prevê alvos como o RT60 a partir de formas de onda. Em uma divisão de treinamento e validação de 36.000 e 4.000 exemplos, uma pequena Floresta Aleatória com características leves de tempo e espectro atinge um erro absoluto médio próximo de 0,013 s e um erro quadrático médio próximo de 0,022 s. Disponibilizamos um subconjunto com 1.000 RIRs de arranjo linear e 3.000 RIRs de arranjo circular no Hugging Face para streaming e testes rápidos, e preservamos o arquivo completo de 50.000 RIRs no Zenodo. O conjunto de dados e o código são públicos para apoiar estudos reproduzíveis.
English
Room impulse responses are a core resource for dereverberation, robust speech
recognition, source localization, and room acoustics estimation. We present
RIR-Mega, a large collection of simulated RIRs described by a compact, machine
friendly metadata schema and distributed with simple tools for validation and
reuse. The dataset ships with a Hugging Face Datasets loader, scripts for
metadata checks and checksums, and a reference regression baseline that
predicts RT60 like targets from waveforms. On a train and validation split of
36,000 and 4,000 examples, a small Random Forest on lightweight time and
spectral features reaches a mean absolute error near 0.013 s and a root mean
square error near 0.022 s. We host a subset with 1,000 linear array RIRs and
3,000 circular array RIRs on Hugging Face for streaming and quick tests, and
preserve the complete 50,000 RIR archive on Zenodo. The dataset and code are
public to support reproducible studies.