Personnalisation de l’écoute binaurale par modèle déformable d’oreille

The term "binaural" refers to the field of research dedicated to the understanding and mastering of the mechanisms allowing humans to perceive the spatial origin of sounds. This perception emerges from our ability to detect some specific indices of localisation within our sound environment and these indices, for their part, arise from the interaction of sounds with our body and, more specifically, our ears. To reproduce a sound spatialisation effect with headphones, it is therefore necessary on the one hand to reintroduce these indices and on the other hand to personalise their generation by adapting it to the morphology of the listener.To achieve this, we have imagined an original pro- cess based on the use of a 3D morphable model of the ear and the study of the relationships between morphologies and HRTFs. Here we demonstrate its feasibility by putting it into practice thanks to synthetic databases created for the occasion. This data generation has led us to suggest optimisations for numerical computation of HRTFs and to propose possible improvements to make their sub- jective rendering more reliable.Le terme « binaural » fait référence au champ de recherche visant à comprendre et maîtriser les mécanismes permettant à l’être humain de percevoir l’origine spatiale des sons. Cette perception émerge de notre faculté à détecter certains indices de localisation au sein de notre environnement sonore et ces indices, quant à eux, naissent de l’interaction des sons avec notre corps et en particulier nos oreilles. Pour reproduire au casque un effet de spatialisation sonore il faut donc d’une part réintroduire ces indices et d’autre part en personnaliser la génération en l’adaptant à la morphologie de l’auditeur.Pour y parvenir nous avons imaginé un procédé original fondé sur l’utilisation d’un modèle déformable 3D d’oreille et l’étude en amont des liens entre morphologies et HRTF. Nous en démontrons ici la faisabilité en le mettant en pratique grâce à des bases de données synthétiques créées pour l’occasion. Cette génération de données nous a par ailleurs amené à proposer des optimisations au calcul numérique d’HRTF et à réfléchir aux améliorations possibles pour en fiabiliser le rendu subjectif