子标签

下方只统计已核验方向的论文记录,按已核身份去重,身份待核时按页面保留。“直接”只含明确标注该方向的论文;“含子树”同时包含下级方向。点击名称进入论文库继续筛选;数量与上方按标签名称收录的页面数不同。

论文解读

Geometric Iterative Retrieval for Neural Audio Codec Resynthesis

音频编码 | 7.6/10

 · 更新于 2026-10-15 · 约 11 分钟 · 5287 字 阅读 →
论文解读

AudioTQ: A Data-Oblivious 6-Bit CPU Audio Codec via Randomized Hadamard Rotation and Lloyd-Max Quantization

音频编码 | 3.5/10

 · 更新于 2026-10-15 · 约 14 分钟 · 6965 字 阅读 →
论文解读

ParaJSCC: A Parameterized Framework for Reusable Multimodal Joint Source-Channel Coding

音频编码 | 6.6/10

 · 更新于 2026-10-15 · 约 13 分钟 · 6157 字 阅读 →
论文解读

KVAE: Family of Tokenizers for Multimodal Generative Models

音频编码 | 8.1/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7110 字 阅读 →
论文解读

Investigating Codec-Internal Latent Audio Watermarking for Neural Codec Robustness

音频水印 | 6.4/10

 · 更新于 2026-10-15 · 约 15 分钟 · 7234 字 阅读 →
论文解读

HARP: Harmonic-Aware Residual Partitioning for Neural Audio Codecs

音频编码 | 9.6/10

 · 更新于 2026-10-15 · 约 14 分钟 · 6824 字 阅读 →
论文解读

Data-driven Video Codec with Implicit Neural Representations

音频编码 | 5.3/10

 · 更新于 2026-10-15 · 约 14 分钟 · 6797 字 阅读 →
论文解读

Neural Morphing: Sequence-Optimized Token-Level Morphing in Neural Audio Codecs

音频编码 | 6.4/10

 · 更新于 2026-10-15 · 约 19 分钟 · 9078 字 阅读 →
论文解读

PolarBM: Complex-valued Boltzmann Machine for Modeling Audio Signals in Polar and Log-polar Coordinates

语音增强 | 5.8/10

 · 更新于 2026-10-15 · 约 12 分钟 · 5817 字 阅读 →
论文解读

Qwen-Audio-VAE Technical Report

音频编码 | 7.7/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8347 字 阅读 →
论文解读

Structural Bottlenecks on Frequency Representation in End-to-End Audio Models

音频编码 | 7.4/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8095 字 阅读 →
论文解读

IVQ: Structured and Lightweight Vector Quantization via Binary Hierarchical Composition Inspired by \(\textit{IChing}\)

音频编码 | 8.2/10

 · 更新于 2026-10-15 · 约 16 分钟 · 7794 字 阅读 →
论文解读

Scaling Transformers for End-to-End Discrete Audio Tokenization

音频编码 | 7.1/10

 · 更新于 2026-10-15 · 约 11 分钟 · 5426 字 阅读 →
论文解读

Perceptual Evaluation of Higher-Order Ambisonic Codecs on Both Synthetic Mixing and Native Recordings

音频编码 | 8/10

 · 更新于 2026-10-15 · 约 13 分钟 · 6403 字 阅读 →
论文解读

Probing Token Spaces under Generator Shift in AI-Generated Music Detection

音频编码 | 9/10

 · 更新于 2026-10-15 · 约 12 分钟 · 6007 字 阅读 →
论文解读

USAD 2.0: Scaling Representation Distillation for Universal Audio Understanding

音频编码 | 9/10

 · 更新于 2026-10-15 · 约 12 分钟 · 6009 字 阅读 →
论文解读

Codec-Robust Attacks on Audio LLMs

音频安全 | 8.3/10

 · 更新于 2026-10-15 · 约 17 分钟 · 8462 字 阅读 →
论文解读

Optimising Neural Speech Codecs for 300bps Communication using Reinforcement Learning

音频编码 | 6.5/10

 · 更新于 2026-10-15 · 约 18 分钟 · 8657 字 阅读 →
论文解读

Optimising Neural Speech Codecs for 300bps Communication using Reinforcement Learning

音频编码 | 7/10

 · 更新于 2026-10-15 · 约 20 分钟 · 9569 字 阅读 →
论文解读

SAME: A Semantically-Aligned Music Autoencoder

音频编码 | 8.5/10

 · 更新于 2026-10-15 · 约 26 分钟 · 13010 字 阅读 →