会议总览
aaai-2026 论文深度解读
共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读
音频质量评估
论文解读
不写新评测脚本：用统一比较器把文本、计划、时序与多媒体放在同一流程里
针对生成式输出分散在文本、规划序列、时序与图像音频且缺乏可复现比较流程的问题，GAICo 选择事后基于参考的统一比较框架与可扩展指标库，在三管线旅行助手案例中分离编排与执行故障，但仍不覆盖公平性与延迟等维度。
论文解读
信噪比为何失准：从相位距离重写音频生成的度量与损失
论文把信噪比失准归因于瞬时相位距离不可靠，用全向相位导数重写相关项得到 GOMPSNR，并在声码器与编解码器上验证其与听感指标更相关且导出损失能提升重建质量，但线性幅度等组合在小数据上存在过拟合代价。
论文解读
同样 2 倍速为何体验不同：按运动、语速和节奏算快放感知质量
该文在 1x 到 3x 主观评分基础上，用视频时间信息、语音语速和音乐节拍分别拟合指数衰减并融合成视听模型，在独立新序列上与主观均值高度一致，但意图推断只做到粗粒度辅助。
论文解读
当语音 Token 不再像自然语言：13 个编解码器在噪声下的语言统计学分化
语音编码 | 6.3/10
论文解读
方差不该越过底线：用单峰约束重画 MOS 的容许区间
语音质量评估 | 7.4/10
论文解读
当目标永远无法被完美复刻，我们该如何评判模仿的好坏？
音频生成 | 6.4/10
论文解读
OmniJudge or OmniBias? Diagnosing Multimodal Judges through Balanced, Decoupled Lenses
音频质量评估 | 7.4/10
论文解读
Development and Feasibility Evaluation of an Edge AI as Medical Device System for Breast Cancer Multidisciplinary Team Meetings
语音识别 | 8.4/10
论文解读
MRMAD: A Multi-Round Multi-Audio Benchmark for Evaluating Acoustic Degradation Perception in Large Audio-Language Models
音频质量评估 | 8.9/10
论文解读
Fourier is Frontier: Frequency-Aware Autoencoding for High-Fidelity Music Reconstruction
音乐生成 | 7.5/10
论文解读
Tracking the Trend in How Speech Synthesizers Deceive People
语音伪造检测 | 6.0/10
论文解读
MuseCritic: Learning Multi-Aspect Song Rewards through Natural-Language Aesthetic Critiques
音频质量评估 | 6.5/10
论文解读
InvFlowFD: Reference-Free and Background-Set-Free Perceptual Music Quality Metric with Flow Matching Inversion
音频质量评估 | 6.4/10
论文解读
A Diagnostic Evaluation Framework for AI-Generated Cover Songs Using Music-Theoretic and Acoustic Features
音频质量评估 | 8.0/10
论文解读
Towards a reproducible cross-venue method for quantifying crowd noise in stadiums
音频质量评估 | 5.4/10
论文解读
HARP: Harmonic-Aware Residual Partitioning for Neural Audio Codecs
音频编码 | 9.6/10
论文解读
What does the model actually see? Evaluation protocols and input availability in data-driven prediction of room acoustic parameters
音频质量评估 | 7.2/10
论文解读
Perceived Annoyance in Multi-source Electric Vehicle AVAS Environments
音频质量评估 | 3.5/10
论文解读
Beyond Time Shifts: Adapting Omni-LLM as a Reference-Free Evaluator for Generative Audio-Visual Models
音视频理解 | 6.0/10