Icassp-2026

ICASSP 2026 - 音频场景理解 共 3 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 Lightweight and Generalizable Acoustic Scene Representations 8.0分 前25% 🥈 From Contrast to Commonality: Audio Commonality Captioning f 7.5分 前25% 🥉 Class-Aware Permutation-Invariant Signal-to-Distortion Ratio 7.5分 前25% 📋 论文详情 🥇 Lightweight and Generalizable Acoustic Scene Representations Via Contrastive Fine-Tuning and Distillation 🔥 8.0/10 | 前25% | #音频场景理解 | #对比学习 | #知识蒸馏 #少样本学习 👥 作者与机构 第一作者：Kuang Yuan（卡内基梅隆大学，实习期间于Meta Reality Labs完成） 通讯作者：未说明 作者列表：Kuang Yuan（卡内基梅隆大学，Meta Reality Labs）、Yang Gao（Meta Reality Labs）、Xilin Li（Meta Reality Labs）、Xinhao Mei（Meta Reality Labs）、Syavosh Zadissa（Meta Reality Labs）、Tarun Pruthi（Meta Reality Labs）、Saeed Bagheri Sereshki（Meta Reality Labs） 💡 毒舌点评 ...

ICASSP 2026 - 音频增强 共 3 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 MixGAN-based Non-blind Bandwidth Extension for Audio Codec 8.0分 前25% 🥈 SAGA-SR: Semantically and Acoustically Guided Audio Super-Re 7.5分 前25% 🥉 Subspace Hybrid Adaptive Filtering for Phonocardiogram Signa 7.0分 前50% 📋 论文详情 🥇 MixGAN-based Non-blind Bandwidth Extension for Audio Codec 🔥 8.0/10 | 前25% | #音频增强 | #生成对抗网络 | #音频编解码器 #非盲 👥 作者与机构 第一作者：Hao Guo（华为中央媒体技术研究院，清华大学深圳国际研究生院） 通讯作者：Wenbo Ding（清华大学深圳国际研究生院，邮箱：ding.wenbo@sz.tsinghua.edu.cn） 作者列表：Hao Guo（华为中央媒体技术研究院，清华大学深圳国际研究生院）、BingYin Xia（华为中央媒体技术研究院）、Xiao-Ping Zhang（清华大学深圳国际研究生院）、Wenbo Ding（清华大学深圳国际研究生院） 💡 毒舌点评 ...

ICASSP 2026 - 音频大模型 共 1 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 AR&D: A Framework for Retrieving and Describing Concepts for 6.5分 前50% 📋 论文详情 🥇 AR&D: A Framework for Retrieving and Describing Concepts for Interpreting AudioLLMs ✅ 6.5/10 | 前50% | #音频大模型 | #自监督学习 | #模型评估 👥 作者与机构 第一作者：Townim Faisal（澳大利亚机器学习研究所，阿德莱德大学；杜比实验室） 通讯作者：未说明（论文中未明确标注通讯作者） 作者列表： Townim Faisal（澳大利亚机器学习研究所，阿德莱德大学；杜比实验室） Ta Duc Huy（澳大利亚机器学习研究所，阿德莱德大学；杜比实验室） Siqi Pan（杜比实验室） Jeremy Stoddard（杜比实验室） Zhibin Liao（澳大利亚机器学习研究所，阿德莱德大学；计算机与数学科学学院） 💡 毒舌点评 ...

ICASSP 2026 - 音频字幕生成 共 1 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 Diverse and Few-Step Audio Captioning via Flow Matching 6.5分 前50% 📋 论文详情 🥇 Diverse and Few-Step Audio Captioning via Flow Matching ✅ 6.5/10 | 前50% | #音频字幕生成 | #流匹配 | #音频生成 #高效生成 👥 作者与机构 第一作者：未说明（论文仅列出作者姓名，未明确标注第一作者） 通讯作者：未说明 作者列表：Naoaki Fujita（Panasonic Holdings Corporation, Osaka, Japan）、Hiroki Nakamura（Panasonic Holdings Corporation, Osaka, Japan）、Kosuke Itakura（Panasonic Holdings Corporation, Osaka, Japan） 💡 毒舌点评 ...

ICASSP 2026 - 音频安全 共 11 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 HVAC-EAR: Eavesdropping Human Speech Using HVAC Systems 8.5分 前25% 🥈 RoCo: Robust Code for Fast and Effective Proactive Defense a 7.5分 前25% 🥉 Membership Inference Attack against Music Diffusion Models v 7.5分 前25% 4. A Feature-Optimized Audio Watermarking Algorithm with Adapti 7.5分 前25% 5. Co-Initialization of Control Filter and Secondary Path via M 7.5分 前25% 6. LenslessMic: Audio Encryption and Authentication via Lensles 7.5分 前25% 7. Bloodroot: When Watermarking Turns Poisonous for Stealthy Ba 7.5分 前25% 8. Emotional Damage: Investigating Safety Vulnerabilities of La 7.5分 前25% 9. Audio-Text Jailbreak Attack on Large Audio-Language Models: 7.0分 前25% 10. PRoADS: Provably Secure And Robust Audio Diffusion Steganogr 6.5分 前50% 11. Linguard: Authenticating Speech Recordings Using Speech Reco 6.5分 前50% 📋 论文详情 🥇 HVAC-EAR: Eavesdropping Human Speech Using HVAC Systems 🔥 8.5/10 | 前25% | #音频安全 | #时频分析 | #端到端 #工业应用 ...

ICASSP 2026 - 音频描述 共 1 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 LAMB: LLM-Based Audio Captioning with Modality Gap Bridging 7.0分 前25% 📋 论文详情 🥇 LAMB: LLM-Based Audio Captioning with Modality Gap Bridging Via Cauchy-Schwarz Divergence ✅ 7.0/10 | 前25% | #音频描述 | #跨模态对齐 | #大语言模型 #音频场景理解 👥 作者与机构 请基于当前提供的论文内容尽量完整提取作者与机构信息，要求： 明确标注第一作者（如论文可判断），否则写“未说明” 明确标注通讯作者（如论文可判断），否则写“未说明” 列出能确认的作者姓名及其所属机构（大学、实验室、公司） 机构信息尽量具体到实验室或部门；如果文本里没有，就写到能确认的层级 禁止猜测机构信息；无法确认时明确写“未说明” 输出格式示例： 第一作者：张三（清华大学计算机系） 通讯作者：李四（Google DeepMind） 作者列表：张三（清华大学计算机系）、李四（Google DeepMind）、王五（未说明） 第一作者：Hyeongkeun Lee（韩国科学技术院， KAIST） 通讯作者：未说明 ...

ICASSP 2026 - 音频效果估计 共 1 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 Audio Effect Estimation with DNN-Based Prediction and Search 7.0分 前25% 📋 论文详情 🥇 Audio Effect Estimation with DNN-Based Prediction and Search Algorithm ✅ 7.0/10 | 前25% | #音频效果估计 | #深度神经网络 #优化算法 | #音乐信息检索 #深度神经网络 👥 作者与机构 第一作者：Youichi Okita（关西学院大学 理工学研究科） 通讯作者：Haruhiro Katayose（关西学院大学 工学部） 作者列表：Youichi Okita（关西学院大学 理工学研究科）、Haruhiro Katayose（关西学院大学 工学部） 💡 毒舌点评 这篇论文的亮点在于它优雅地模拟了人类音频工程师“先猜后调”的工作流程，将数据驱动的预测与基于信号相似度的搜索有机结合，实验证明这种“两阶段法”确实优于纯预测方法。短板在于其研究的问题场景（吉他效果链）相对垂直窄众，虽然方法论扎实，但能否推广到更复杂、更多样的现实音频处理场景（如流行音乐、混音工程）还有待验证，且未与该领域所有可能的最新方法进行对比。 🔗 开源详情 代码：论文中未提及代码仓库链接。 模型权重：未提及公开的模型权重。 数据集：论文中提及使用了公开的吉他数据集（IDMT-SMT-Guitar， GuitarSet， EGDB， Guitar-TECHS），但用于生成湿信号的效果参数和生成脚本未提及是否公开。 Demo：提供了一个在线演示网站：https://okitayouichi.github.io/afx-pred-sch-demo/ 复现材料：论文提供了较为详细的训练超参数、网络架构描述和损失函数公式，但缺乏硬件配置、训练时长、以及完整的配置文件或检查点信息。 论文中引用的开源项目：使用了pedalboard库（由Spotify开源）来生成数据，使用了Optuna框架来进行搜索算法实现。 📌 核心摘要 ...

ICASSP 2026 - 音频无损编码 共 1 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 LLAC: Learned Lossless Audio Codec 7.5分 前25% 📋 论文详情 🥇 LLAC: Learned Lossless Audio Codec ✅ 7.5/10 | 前25% | #音频无损编码 | #生成模型 | #模型评估 👥 作者与机构 第一作者：Khanh Quoc Dinh (Samsung Research, Korea) 通讯作者：未说明 作者列表：Khanh Quoc Dinh (Samsung Research, Korea)， Liang Wen (Samsung R&D Institute China-Beijing, China)， Lizhong Wang (Samsung R&D Institute China-Beijing, China)， Kwang Pyo Choi (Samsung Research, Korea) 💡 毒舌点评 ...

ICASSP 2026 - 音频检索 #音频分类 共 1 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 Hashing-Baseline: Rethinking Hashing in the Age of Pretraine 8.0分 前25% 📋 论文详情 🥇 Hashing-Baseline: Rethinking Hashing in the Age of Pretrained Models 🔥 8.0/10 | 前25% | #音频检索 #音频分类 | #预训练 | #音频检索 #图像检索 👥 作者与机构 第一作者：未说明（论文作者列表顺序为并列贡献） 通讯作者：未说明 作者列表：Ilyass Moummad（INRIA, LIRMM, Université de Montpellier, France），Kawtar Zaher（INRIA, LIRMM, Université de Montpellier, France；Institut National de l’Audiovisuel, France），Lukas Rauch（University of Kassel, Germany），Alexis Joly（INRIA, LIRMM, Université de Montpellier, France） 💡 毒舌点评 ...

ICASSP 2026 - 音频检索 共 11 篇论文 ← 返回 ICASSP 2026 总览 排名 论文 评分 分档 🥇 GLAP: General Contrastive Audio-Text Pretraining Across Doma 8.5分 前25% 🥈 CASTELLA: Long Audio Dataset with Captions and Temporal Boun 8.5分 前25% 🥉 WavLink: Compact Audio–Text Embeddings with a Global Whisper 8.0分 前25% 4. SLAP: Scalable Language-Audio Pretraining with Variable-Dura 8.0分 前25% 5. AUDIOCARDS: Structured Metadata Improves Audio Language Mode 7.5分 前50% 6. Automatic Music Sample Identification with Multi-Track Contr 7.5分 前25% 7. Contrastive Timbre Representations for Musical Instrument An 7.5分 前25% 8. BEST-STD 2.0: Balanced and Efficient Speech Tokenizer for Sp 7.5分 前25% 9. EchoRAG: A Two-Stage Framework for Audio-Text Retrieval and 7.5分 前25% 10. Scalable Evaluation for Audio Identification Via Synthetic L 7.0分 前25% 11. Do Speech LLMs Learn Crossmodal Embedding Spaces? 6.5分 前50% 📋 论文详情 🥇 GLAP: General Contrastive Audio-Text Pretraining Across Domains and Languages 🔥 8.5/10 | 前25% | #音频检索 | #对比学习 #预训练 | #对比学习 #预训练 ...