音频事件检测

📄 Spiking Neural Networks for Energy-Efficient Object Detection in Forward-Looking Sonar Imagery 标签：#音频事件检测 #CNN #高效推理 #鲁棒性 8.5/10 | 创新 1.6/2 | 严谨 1.3/1.5 | 实验 1.3/1.5 | 清晰 0.9/1 | 影响 1.3/1.5 | 开源 0.5/1.5 | 复现 0.4/0.5 | 工程 1.2/1.5 🔥 8.5/10 | 前25% | 文档类型：应用研究 | 评分置信度：中 | #音频事件检测 | #CNN | #高效推理 #鲁棒性 | arxiv 👥 作者与机构 第一作者：Gwenevere Frank（Department of Electrical Engineering, University of California San Diego, La Jolla, CA 92093, USA） 通讯作者：正文未明确标注 作者列表：Gwenevere Frank、Gert Cauwenberghs（机构：Department of Electrical Engineering 与 Department of Bioengineering, University of California San Diego, La Jolla, CA 92093, USA） ...

📄 Evidence of Absence: Cross-Modal Abductive Risk Perception to Sustain World Models When Vision Fails 标签：#音频事件检测 #多模态模型 #声源定位 #理论分析 #实时处理 6.6/10 | 创新 1.4/2 | 严谨 1.2/1.5 | 实验 1.2/1.5 | 清晰 0.7/1 | 影响 0.8/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 1/1.5 ✅ 6.6/10 | 前50% | 文档类型：方法研究 | 评分置信度：中 | #音频事件检测 | #多模态模型 | #声源定位 #理论分析 | arxiv 👥 作者与机构 第一作者：Cong Xu（University of South Florida, Department of Electrical Engineering, iCONS Laboratory） 通讯作者：未说明 作者列表：Cong Xu（University of South Florida, Department of Electrical Engineering, iCONS Laboratory）、Ravi Sankar（University of South Florida, Department of Electrical Engineering, iCONS Laboratory） 💡 毒舌点评 亮点是真正把“缺少预期视觉共证据”当成一种可标定的证据来推理隐蔽交通参与者，并把输出限定为校准化的风险参考变量，这在盲区碰撞预警里比只做声学检测更接近可用系统。短板也很直观：核心贡献无法复现，没有代码或模型；此外，签名分类器跨路口泛化明显不足，移动 ego 场景基本失效，说明离实际部署仍有一段距离。 ...

📄 Acoustic UAV Detection in Battlefield Scenarios: Handling Noise, Domain Shift, and Weak Labels 标签：#音频事件检测 #CNN #领域适应 #低资源 #鲁棒性 6.7/10 | 创新 1.2/2 | 严谨 1.2/1.5 | 实验 1/1.5 | 清晰 0.8/1 | 影响 1/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 1.2/1.5 ✅ 6.7/10 | 前50% | 文档类型：方法研究 | 评分置信度：中 | #音频事件检测 | #CNN | #领域适应 #低资源 | arxiv 👥 作者与机构 第一作者：Vadym Vilhurin（Institute for Applied System Analysis, Igor Sikorsky Kyiv Polytechnic Institute, Kyiv, Ukraine；Zvook, Lviv, Ukraine） 通讯作者：未说明 作者列表：Vadym Vilhurin（Institute for Applied System Analysis, Igor Sikorsky Kyiv Polytechnic Institute；Zvook）、Volodymyr Sydorskyi（Institute for Applied System Analysis, Igor Sikorsky Kyiv Polytechnic Institute；Zvook；Kyiv School of Economics）、Andrii Shevtsov（Zvook；Kyiv School of Economics） 💡 毒舌点评 这篇论文用一组成熟但组合得当的声学特征与训练技巧，在真实前线数据上把小型无人机检测拉到可用水平，工程味很足。短板同样明显：核心数据不公开、无代码和模型，第三方几乎无法验证或复现，削弱了其科学说服力。部分消融提升缺乏统计显著性，且对残余域偏移的分析仍偏指标层面，没有深入反例。 ...

📄 Robust Multi-Tier Infant-Centered Audio Understanding with Whisper via Structured Speaker Conditioning 标签：#音频事件检测 #参数高效微调 #说话人日志 #自监督学习 #Transformer 6.0/10 | 创新 1.2/2 | 严谨 1/1.5 | 实验 1/1.5 | 清晰 0.8/1 | 影响 0.6/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 1.1/1.5 ✅ 6.0/10 | 前50% | 文档类型：方法研究 | 评分置信度：中 | #音频事件检测 | #LoRA | #参数高效微调 #说话人日志 | arxiv 👥 作者与机构 Xulin Fan：University of Illinois Urbana-Champaign, USA Jialu Li：University of Arizona, USA Mohammad Nur Hossain Khan：Worcester Polytechnic Institute, USA Kexin Hu：University of Illinois Urbana-Champaign, USA Bashima Islam：Worcester Polytechnic Institute, USA Mark Hasegawa-Johnson：University of Illinois Urbana-Champaign, USA Nancy L. McElwain：University of Illinois Urbana-Champaign, USA 通讯作者：论文未明确标注通讯作者；作者邮箱在论文中列出，但未说明通讯作者身份。 ...

📄 Deep Learning for Real-Time Sound Order Recognition in Human-Robot Interaction 标签：#音频事件检测 #CNN #音频交互 #实时处理 #鲁棒性 5.2/10 | 创新 1.2/2 | 严谨 0.8/1.5 | 实验 0.7/1.5 | 清晰 0.6/1 | 影响 0.8/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 0.8/1.5 📝 5.2/10 | 后50% | 文档类型：方法研究 | 评分置信度：中 | #音频事件检测 | #CNN | #音频交互 #实时处理 | arxiv 👥 作者与机构 第一作者：Rezaul Tutul（Berliner University of Applied Science, Berlin, Germany） 通讯作者：未说明；论文首页标注第一作者邮箱 rezaul.tutul@bht-berlin.de 作者列表：Rezaul Tutul、Usaid Khan、André Jakob、Ilona Buchem（均署名 Berliner University of Applied Science） 💡 毒舌点评 把“谁先发声”定义成一个可学习任务，并用多特征分支加注意力融合做到99%，是合成条件下有启发的起点。但整篇论文的核心证据只来自一张“最佳准确率”表：baseline数值缺席、注意力消融缺席、分延迟准确率缺席、真实房间验证缺席。STFT幅度谱帧移为8ms，论文却要解决0.4ms级别的onset差异，既没有给出机制分析，也没有给出随延迟变化的性能曲线。当前证据更适合支撑“合成数据上的技术报告”，而不是“可靠识别声音顺序”这一强结论。 ...

📄 Smartphone Audio Based Distress Detection 标签：#音频事件检测 #模型融合 #实时处理 #鲁棒性 #音频分类 6.3/10 | 创新 1.2/2 | 严谨 1/1.5 | 实验 1/1.5 | 清晰 0.8/1 | 影响 1/1.5 | 开源 0/1.5 | 复现 0.1/0.5 | 工程 1.2/1.5 ✅ 6.3/10 | 前50% | 文档类型：系统技术报告 | 评分置信度：高 | #音频事件检测 | #模型融合 | #实时处理 #鲁棒性 | arxiv 👥 作者与机构 第一作者：Anil Sharma（IIIT-Delhi） 作者列表：Anil Sharma、Sarthak Ahuja、Mayank Gautam、Sanjit Kaul（均为 IIIT-Delhi） 通讯作者：论文未标注 💡 毒舌点评 把现成的 MFCC+SVM 包装成“高召回前端、高精度后端、时间聚合、人工兜底”的多级流水线，工程落地 sense 很明确，也针对 Android 录音轮询、多核 null frame、隐私隐藏和能耗做了真实处理。但作为学术工作，它与已有 scream detection 工作没有任何定量比较；更关键的是，志愿者测试阶段不包含任何真实遇险叫声，所以“高检测率”只来自人工构造的 SNR 混合验证集，真实召回从未被验证。“entirely smartphone audio based 24/7 distress detection”的表述也偏强，因为最终仍依赖 friends-in-the-loop 人工确认，并非全自动闭环。 ...

📄 Anomalous Sound Detection Meets Noise-Aware Self-Supervised Learning 标签：#音频事件检测 #自监督学习 #知识蒸馏 #多通道 #工业应用 7.2/10 | 创新 1.5/2 | 严谨 1/1.5 | 实验 1.2/1.5 | 清晰 0.8/1 | 影响 1.2/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 1.2/1.5 ✅ 7.2/10 | 前50% | 文档类型：方法研究 | 评分置信度：高 | #音频事件检测 | #自监督学习 | #知识蒸馏 #多通道 | arxiv 👥 作者与机构 第一作者：Takuya Fujimura（未说明） 通讯作者：未说明 作者列表：Takuya Fujimura（未说明）、Gordon Wichern（未说明）、Yoshiki Masuyama（未说明）、Christoph Boeddeker（未说明）、Kohei Saijo（未说明）、Julius Richter（未说明）、Takahiro Edo（未说明）、Jonathan Le Roux（未说明） 💡 毒舌点评 这篇论文把一个已有的噪声感知自监督框架巧妙嫁接到双通道异常声音检测任务上，并在DCASE挑战赛中以大幅领先拿下第一，工程落地的说服力很强。然而，从头到尾没有透露任何权重或代码，开源诚意为零；方法创新本质上是插件式适配，对噪声环境的深度分析与泛化边界讨论也几乎缺席，这让整个工作更像一份高质量的竞赛技术报告而非真正的方法论突破。 ...

📄 An End-to-End Workflow for Fin Whale Song Detection, Note Characterization, and Localization with Distributed Acoustic Sensing 标签：#音频事件检测 #声源定位 #多通道 #低资源 #音频理解 7.5/10 | 创新 1.2/2 | 严谨 1/1.5 | 实验 0.6/1.5 | 清晰 0.9/1 | 影响 0.8/1.5 | 开源 1.5/1.5 | 复现 0.3/0.5 | 工程 1.2/1.5 ✅ 7.5/10 | 前25% | 文档类型：系统技术报告 | 评分置信度：中 | #音频事件检测 | #声源定位 | #多通道 #低资源 | arxiv 👥 作者与机构 第一作者：Dídac Diego-Tortosa（Institut de Ciències del Mar (ICM-CSIC), Barcelona） 通讯作者：未明确标注 作者列表：Dídac Diego-Tortosa（ICM-CSIC）、Miriam Romagosa（ICM-CSIC）、Arantza Ugalde（ICM-CSIC）、Hugo Latorre（ICM-CSIC）、Sergi Ventosa（ICM-CSIC）、Jose Enrique García（IFIC, UV-CSIC）、Antonio Villaseñor（ICM-CSIC） 💡 毒舌点评 亮点是将经典信号处理方法（KVP小波检测、DBSCAN时空聚类、层次合并、双曲线拟合）巧妙组合成一套无需标注训练的生物声学监测管道，在极度稀疏、高噪声的DAS环境下实现了可用的检测精度，工程落地价值明显。短板是完全没有与任何基线方法（哪怕是最简单的能量检测器或频谱互相关）的对比，0.744的召回率缺乏参照系；定位方案承认了双曲线的左右模糊性但未提出缓解策略，整体定位精度缺乏量化指标，仅靠两个轨迹示例支撑"可推断移动方向"的结论，说服力较弱。 ...

📄 MemNMF: Memory-Augmented NMF on LPC Spectra for Anomalous Sound Detection 标签：#音频事件检测 #生成模型 #音频理解 #Transformer #模型评估 5.3/10 | 创新 1.2/2 | 严谨 0.8/1.5 | 实验 0.8/1.5 | 清晰 0.8/1 | 影响 0.6/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 0.8/1.5 📝 5.3/10 | 后50% | 文档类型：方法研究 | 评分置信度：中 | #音频事件检测 | #生成模型 | #音频理解 #Transformer | arxiv 👥 作者与机构 第一作者：Phurich Saengthong（Institute of Science Tokyo） 通讯作者：未说明 作者列表：Phurich Saengthong（Institute of Science Tokyo）、Takahiro Shinozaki（Institute of Science Tokyo） 💡 毒舌点评 把LPC谱包络和NMF初始化的记忆模块嫁接在一起，思路清晰且在非平稳噪声下确实有肉眼可见的增益。但实验设计避重就轻，不与MemAE等真正的记忆增强基线正面交锋，BatchNorm在异常数据上的行为风险避而不谈，开源更是为零，让整篇文章的价值停在了一场自娱自乐的消融实验里。 ...

📄 Improved Monitoring of Honey bee Colony Strength via Audio IoT Sensors, Modulation Tensorgrams and Recurrent Neural Networks 标签：#音频事件检测 #可解释性 #音频理解 #Transformer #模型评估 6.3/10 | 创新 1.3/2 | 严谨 1.2/1.5 | 实验 1/1.5 | 清晰 0.9/1 | 影响 0.8/1.5 | 开源 0/1.5 | 复现 0.3/0.5 | 工程 0.8/1.5 ✅ 6.3/10 | 前50% | 文档类型：应用研究 | 评分置信度：高 | #音频事件检测 | #可解释性 | #音频理解 #Transformer | arxiv 👥 作者与机构 第一作者：Mahsa Abdollahi（INRS-EMT， Université du Québec， Montréal， Canada） 通讯作者：Tiago H. Falk（INRS-EMT， Université du Québec， Montréal， Canada） 作者列表：Mahsa Abdollahi（INRS-EMT， Université du Québec， Montréal， Canada）、Yi Zhu（INRS-EMT， Université du Québec， Montréal， Canada）、Heitor R. Guimarães（INRS-EMT， Université du Québec， Montréal， Canada）、Nico Coallier（Nectar Technologies Inc.， Montréal， Canada）、Ségolène Maucourt（生物学系， Laval大学， Quebec， Canada）、Pierre Giovenazzo（生物学系， Laval大学， Quebec， Canada）、Tiago H. Falk（INRS-EMT， Université du Québec， Montréal， Canada） 💡 毒舌点评 论文的亮点在于将经典的调制谱分析与深度学习相结合，提出了保留时间维度的“调制张量图”作为输入，并在更具挑战性的“跨蜂群”评估设置下展示了其泛化能力，解决了该领域的一个真实痛点。然而，其“创新”更多是基于已有信号处理方法（调制谱）和深度学习架构（CRDNN）的技术组合与场景适配，而非提出全新的方法论。更致命的是，模型与代码均未开源，严重削弱了其可复现性和工程落地价值，使得这篇以应用为导向的研究论文的实际影响力大打折扣。 ...