数据集与评测 / CVPR2026
当AVSR遇见视频会议：数据集、退化现象及性能崩溃背后的隐藏机制
When AVSR Meets Video Conferencing: Dataset, Degradation, and the Hidden Mechanism Behind Performance Collapse
论文构建了面向视频会议场景的多模态音视频语音识别数据集MLD-VC，并揭示了语音增强算法与Lombard效应引起的分布偏移是性能下降的主因，为视觉研究者提供了真实场景下的鲁棒性评测基准和微调策略。
音视频语音识别多模态数据集分布偏移