每日研究速递
chime-2026 论文深度解读
共收录 14 篇 chime-2026 会议论文的 Reader 深度解读
音视频语音分离
论文解读
八人四会话强重叠下先用视觉定界再抽取转写的级联路线
针对室内社交中最多八人四会话并行且重叠率超 90% 的问题，采用每人视觉流做说话人检测分段、音频视觉目标语音抽取去干扰、音频视觉识别转写再做大模型会话聚类的级联路线，最强可复现证据是原始开发集上提交三的 32.03/16.02 到 31.39/15.70 与聚类满分，代价是多前端多后端融合与大模型多次投票的系统复杂度。
论文解读
The ISCSLP 2026 Real-World Audio-Visual Speech Enhancement Challenge
音视频语音分离 | 8.8/10
论文解读
Separate First, Then Associate: A Two-Stage Approach for Real-World Audio-Visual Speech Enhancement
音视频语音分离 | 6.2/10
论文解读
DAVE: A Decoupled Audio-Visual Enhancement Framework for Real-World Speech Separation
音视频语音分离 | 6.5/10
论文解读
Identity-Faithful Audio-Visual Target Speaker Extraction with QIANGDA and VOXBLINK2-AVSE
音视频语音分离 | 6.8/10
论文解读
Neural-Inspired Modeling of Auditory Selection and Compensation for Audio-Visual Speech Separation
音视频语音分离 | 6.2/10