Buchumschlag

EnvTriCascade: An Environment-Aware Tri-Stage Cascaded Framework for ESDD2 2026 Challenge

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Hengyan, Guo, Xiaoxuan, Zhou, Jiayi, Xie, Yuankun, Liu, Jian, Cheng, Haonan, Ye, Long, Zhang, Qin
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Sound
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

EnvSSLAM-FFN: Lightweight Layer-Fused System for ESDD 2026 Challenge
von: Guo, Xiaoxuan, et al.
Veröffentlicht: (2025)

Towards Explicit Acoustic Evidence Perception in Audio LLMs for Speech Deepfake Detection
von: Guo, Xiaoxuan, et al.
Veröffentlicht: (2026)

AT-ADD: All-Type Audio Deepfake Detection Challenge Evaluation Plan
von: Xie, Yuankun, et al.
Veröffentlicht: (2026)

Interpretable All-Type Audio Deepfake Detection with Audio LLMs via Frequency-Time Reinforcement Learning
von: Xie, Yuankun, et al.
Veröffentlicht: (2026)

ESDD2: Environment-Aware Speech and Sound Deepfake Detection Challenge Evaluation Plan
von: Zhang, Xueping, et al.
Veröffentlicht: (2026)

ESDD 2026: Environmental Sound Deepfake Detection Challenge Evaluation Plan
von: Yin, Han, et al.
Veröffentlicht: (2025)

BEAT2AASIST model with layer fusion for ESDD 2026 Challenge
von: Chung, Sanghyeok, et al.
Veröffentlicht: (2025)

Temporal Variability and Multi-Viewed Self-Supervised Representations to Tackle the ASVspoof5 Deepfake Challenge
von: Xie, Yuankun, et al.
Veröffentlicht: (2024)

Detect All-Type Deepfake Audio: Wavelet Prompt Tuning for Enhanced Auditory Perception
von: Xie, Yuankun, et al.
Veröffentlicht: (2025)

Noisy Disentanglement with Tri-stage Training for Noise-Robust Speech Recognition
von: Chen, Shuangyuan, et al.
Veröffentlicht: (2025)

FireRedChat: A Pluggable, Full-Duplex Voice Interaction System with Cascaded and Semi-Cascaded Implementations
von: Chen, Junjie, et al.
Veröffentlicht: (2025)

3MDiT: Unified Tri-Modal Diffusion Transformer for Text-Driven Synchronized Audio-Video Generation
von: Li, Yaoru, et al.
Veröffentlicht: (2025)

Fake Speech Wild: Detecting Deepfake Speech on Social Media Platform
von: Xie, Yuankun, et al.
Veröffentlicht: (2025)

EnvId: A Metric Learning Approach for Forensic Few-Shot Identification of Unseen Environments
von: Moussa, Denise, et al.
Veröffentlicht: (2024)

Tri-MTL: A Triple Multitask Learning Approach for Respiratory Disease Diagnosis
von: Kim, June-Woo, et al.
Veröffentlicht: (2025)

Generalized Source Tracing: Detecting Novel Audio Deepfake Algorithm with Real Emphasis and Fake Dispersion Strategy
von: Xie, Yuankun, et al.
Veröffentlicht: (2024)

The Codecfake Dataset and Countermeasures for the Universally Detection of Deepfake Audio
von: Xie, Yuankun, et al.
Veröffentlicht: (2024)

A Dual-Stage Time-Context Network for Speech-Based Alzheimer's Disease Detection
von: Gao, Yifan, et al.
Veröffentlicht: (2025)

Tri-Ergon: Fine-grained Video-to-Audio Generation with Multi-modal Conditions and LUFS Control
von: Li, Bingliang, et al.
Veröffentlicht: (2024)

EnvSDD: Benchmarking Environmental Sound Deepfake Detection
von: Yin, Han, et al.
Veröffentlicht: (2025)

Neural Codec Source Tracing: Toward Comprehensive Attribution in Open-Set Condition
von: Xie, Yuankun, et al.
Veröffentlicht: (2025)

GLAD: Global-Local Aware Dynamic Mixture-of-Experts for Multi-Talker ASR
von: Guo, Yujie, et al.
Veröffentlicht: (2025)

MusicFlow: Cascaded Flow Matching for Text Guided Music Generation
von: Prajwal, K R, et al.
Veröffentlicht: (2024)

Physics-Aware Novel-View Acoustic Synthesis with Vision-Language Priors and 3D Acoustic Environment Modeling
von: Fan, Congyi, et al.
Veröffentlicht: (2026)

Cascaded noise reduction and acoustic echo cancellation based on an extended noise reduction
von: Roebben, Arnout, et al.
Veröffentlicht: (2024)

The ICASSP 2026 Automatic Song Aesthetics Evaluation Challenge
von: Ma, Guobin, et al.
Veröffentlicht: (2026)

The Interspeech 2026 Audio Encoder Capability Challenge for Large Audio Language Models
von: Dinkel, Heinrich, et al.
Veröffentlicht: (2026)

Delayed Commitment for Representation Readiness in Stage-wise Audio-Visual Learning
von: Xu, Xinmeng, et al.
Veröffentlicht: (2026)

A Multi-Stage Framework for Multimodal Controllable Speech Synthesis
von: Niu, Rui, et al.
Veröffentlicht: (2025)

DJCM: A Deep Joint Cascade Model for Singing Voice Separation and Vocal Pitch Estimation
von: Wei, Haojie, et al.
Veröffentlicht: (2024)

Analyzing Error Propagation in Korean Spoken QA with ASR-LLM Cascades
von: Jung, Donghyuk, et al.
Veröffentlicht: (2026)

Cascaded Cross-Modal Transformer for Audio-Textual Classification
von: Ristea, Nicolae-Catalin, et al.
Veröffentlicht: (2024)

Dual Data Scaling for Robust Two-Stage User-Defined Keyword Spotting
von: Ai, Zhiqi, et al.
Veröffentlicht: (2025)

StyleBreak: Revealing Alignment Vulnerabilities in Large Audio-Language Models via Style-Aware Audio Jailbreak
von: Li, Hongyi, et al.
Veröffentlicht: (2025)

ChipChat: Low-Latency Cascaded Conversational Agent in MLX
von: Likhomanenko, Tatiana, et al.
Veröffentlicht: (2025)

TidyVoice 2026 Challenge Evaluation Plan
von: Farhadipour, Aref, et al.
Veröffentlicht: (2026)

ICASSP 2026 URGENT Speech Enhancement Challenge
von: Li, Chenda, et al.
Veröffentlicht: (2026)

DCF-DS: Deep Cascade Fusion of Diarization and Separation for Speech Recognition under Realistic Single-Channel Conditions
von: Niu, Shu-Tong, et al.
Veröffentlicht: (2024)

CrossVoice: Crosslingual Prosody Preserving Cascade-S2ST using Transfer Learning
von: Hira, Medha, et al.
Veröffentlicht: (2024)

Multiple-Instance, Cascaded Classification for Keyword Spotting in Narrow-Band Audio
von: AbdulKader, Ahmad, et al.
Veröffentlicht: (2017)