语义听觉技术使得可穿戴设备能够实时聚焦或忽略具体声音，同时保留空间线索，通过神经网络实现在干扰声和背景噪音中提取双耳目标声音，并设计一种训练方法使系统能够推广到实际环境中，实验结果表明我们的系统能够处理 20 种声音类别，并在智能手机上以 6.56 毫秒的运行时间提供双耳输出，对于未知的室内和室外场景都能提取目标音频并保留空间线索。

Nov, 2023

提出一种基于端到端深度学习的多模式融合技术，通过利用 RGB 图像、双耳回响和场景中不同物体的材料属性来改进音视频输入的场景深度估计，实验证明该方法在 Replica 数据集上比最先进的音视频深度预测方法提高了 28% 的 RMSE，并在 Matterport3D 上表现出了与竞争者相当的性能。

Mar, 2021

该文介绍了一个基于深度卷积神经网络的音频分类框架，旨在实现自动驾驶汽车的改进环境感知，并证明了相对于现有的音频分类框架，该框架在自动驾驶汽车相关声音的情况下表现更好。

Sep, 2022

本文提出了一个名为 DeepVQE 的基于深度学习模型的实时交叉关注方法来同时解决声学回声消除，噪声抑制和混响消除等多种语音处理问题，并在 2023 年 ICASSP 的测试集上取得了最佳性能表现。

Jun, 2023

本文旨在开发一种设备，将视觉信息转换为听觉反馈，以协助视障者更好地了解他们的环境，该设备的选择基于准确性和成本方面的考虑，包括时间和功耗等因数，经测试，其在场景理解，包括静态或动态的对象，以及屏幕内容如电视、电脑和手机等方面具有显著的效果。

Jul, 2023

比较自动环境声音识别算法在计算成本方面的表现，结果表明在一定的计算成本范围内，深度神经网络能够提供最好的声音分类准确性比率，而高斯混合模型可以以相对较小的成本提供合理的准确性，支持向量机则在准确性和计算成本之间做了妥协。

Jul, 2016

本文提出了一种基于 STFT 频谱图与图像领域多个网络模型相结合的模型并针对标准数据集进行了评估，在 Environmental Sound Classification 领域中取得了目前最高的分类精度。同时对该领域已有的研究方法进行了全面梳理，为其他研究提供了实用的参考。

Apr, 2020

该研究提出两种跨模态感知模型，并提出了面向主要编码方案的两种新型优化策略，结合人类实验结果证实机器模型在提升方案评估效率上是可行的，从而促进编码方案的升级，协助失明患者改善视觉感知能力。

Apr, 2019

通过分析激光消融期间产生的声波，我们提出了一种组织分类方法，并在体外实验中证明了其适用性，最终确定将时间相关数据与其频谱相结合的方法可以实现最高的分类准确性（65.5%-75.5%）。

Jun, 2024

本文介绍了一种基于成本敏感的分类范式，通过选择分类器的超参数和变分自动编码器的结构来实现对假阳性率和假阴性率之间灵活控制，以检测使用简单嵌入式设备收集的声音数据集中蚊子的存在。

Dec, 2017