跳到正文
热点事件持续更新

QK-GCC：可学习的 Query-Key 频谱匹配用于鲁棒时延估计

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

QK-GCC 是一项针对广义互相关（GCC）时延估计方法的改进研究。该方法将 GCC 中手工设计的频谱匹配替换为可学习的 Query-Key 匹配机制：分别将两个麦克风信号的幅度与相位频率 token 映射为 Query 和 Key，从而学习频率可靠性并聚合局部频谱证据。该研究来自 arXiv 的 Audio and Speech 领域，报道时间为 2026-09-30 12:00。

AI 根据报道生成 · 2 小时前更新

最新进展9月30日 12:00
2026-09-30 arXiv 首次报道 QK-GCC 方法，提出用可学习 Query-Key 频谱匹配替代 GCC 手工频谱匹配。

报道时间线

沿着报道，了解事件的不同侧面。

9月30日
  1. arXiv · Audio and Speech
    QK-GCC：可学习的 Query-Key 频谱匹配用于鲁棒时延估计

    QK-GCC 将 GCC 中的手工频谱匹配替换为两个麦克风信号之间的 Query-Key 匹配，通过幅度-相位频率 token 分别映射为 Query 和 Key，实现频率可靠性学习与局部频谱证据聚合。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。