CF-AVSS两阶段音视频语音分离框架获ISCSLP 2026挑战赛佳绩

1. 12:00
   arXiv · cs.AI

   CF-AVSS：面向真实场景音频-视觉语音分离的粗到细框架

   作者提出CF-AVSS两阶段音频-视觉语音分离框架，第一阶段生成可视顺序的粗略目标语音估计，第二阶段结合原始混合信号和两路粗略估计进行目标说话人细化，最后进行开发集校准融合。基于论文摘要，该系统在ISCSLP 2026 Real-World AVSE Challenge中Track 1并列第一、Track 2排名第二，两个赛道的OVRL CER分别为12.31%和14.79%，均为最低。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。