HARP: Harmonic-Aware Residual Partitioning for Neural Audio Codecs（在新窗口打开）
仅改 RVQ 训练损失，按频段有序划分残差阶段，编解码推理不变，语音/音乐/通用音频优于标准 RVQ 与并行分带。
- 提出 HARP：残差量化阶段按频率有序分组，解码器仍可见更低频信息
- 泛音在基频上下文中重建，缓解并行分带导致的潜空间割裂
- 无需改架构，推理与标准 RVQ 一致；MUSHRA 听感亦有提升
前沿论文
14 大方向 · 三级优先筛选 · 每日更新
最近更新：2026-10-16 13:30
2026-07-21 周二共 4 篇：生成 1 · 代码生成 0 · 智能体 0 · 世界模型与具身 0 · 理解 0 · 音频 3 · 基础模型 0
- 生成
- 文生图 1图编辑 0视频生成 03D 生成 0
- 代码生成
- Visual2Code 03D2Code 0
- 智能体
- GUI Agent 0
- 世界模型与具身
- 世界模型 0具身智能 0
- 理解
- VLM 0OCR 0
- 音频
- 音频 3
- 基础模型
- LLM 0统一多模态 0
这一天为历史补采：作者单位只来自 OpenAlex，入选论文比每日更新少；要点由 AI 根据论文摘要生成，以原文为准。
共 4 篇
UniNDM: A Unified Noise-driven Detection and Mitigation Framework Against Sexual Content in Text-to-Image Generation（在新窗口打开）
基于扩散早期噪声的可分离性，统一做隐式色情提示检测与缓解，在 U-Net 与 DiT 上优于 SLD 等方法。
- 从噪声动力学论证早期预测噪声对正常与色情内容的可分离性及语义随步数二次集中
- 轻量噪声检测与 LLM 动态负提示、初始噪声抑制的自适应负引导缓解
- 将框架扩展到 DiT，采用区域约束语义引导适配统一多模态注意力
Audio Cross Verification Using Dual Alignment Likelihood Ratio Test（在新窗口打开）
将短视频音频与可信新闻源录音对齐，用未篡改/篡改假设下的似然比检验做外部一致性验证，较 MFCC 欧氏距离更稳健。
- 针对新闻片段衍生短视频场景，强调与可信参考的外部一致性而非篡改伪迹检测
- 分别为未篡改与篡改假设求 query–reference 最优对齐并做似然比检验
- 计算快、可解释，与现有篡改检测方法形成互补
Multi-Level Privacy-Preserving Dementia Detection from Speech via Targeted Adversarial Obfuscation and Representation Learning（在新窗口打开）
信号层 CSA 与特征层 GRL+互信息噪声，在 DementiaBank 上几乎无法识别说话人同时保持痴呆分类能力。
- 信号层 Cumulative Signal Attack：在关键词对齐区域扰动，WER 达 1.00 并保留韵律生物标记
- 特征层 GRL 与 MI 引导噪声，抑制说话人可分维度、保留痴呆相关结构
- 说话人识别接近随机（EER 0.59），痴呆检测 F1 0.78、AUC 0.86
没有符合条件的论文。