Record speaker-aware AV research and literature

2026-08-30 15:36:28 +08:00
parent 4abbde4f52
commit 348c5c3343
29 changed files with 907 additions and 6 deletions
@@ -0,0 +1,13 @@
+# Modality Drop-Out for Multimodal Device Directed Speech Detection Using Verbal and Non-Verbal Features
+
+- 第一作者：Gautam Krishna；Apple
+- 发表：ICASSP 2024
+- 阅读深度：摘要及会议信息筛选
+- 记录日期：2026-08-28
+- 来源：[论文摘要](https://arxiv.org/abs/2310.15261)、[IEEE](https://ieeexplore.ieee.org/document/10446421/)
+
+## 摘要与项目关系
+
+研究对设备说话检测中韵律、声学/语言信息融合，以及缺失模态时的稳健性。使用固定工作点的误接受率衡量改进。
+
+可以作为我们的 fixed-recall 误开口评测与缺失模态对照的参考，但非 verbal 不自动意味着视觉，不能将该韵律工作描述为逐人视觉接话。具体算法尚未完整复核，暂不建议照搬数值或超参数。