Huazhong University of Science and Technology（华中科技大学）

Dual-Strategy-Enhanced ConBiMamba for Neural Speaker Diarization

双策略增强的ConBiMamba用于神经说话人识别

Zhen Liao, Gaole Dai, Mengqiao Chen, Wenqing Cheng, Wei Xu

机构 * School of Electronic Information（电子信息学院） ； Hubei Provincial Key Laboratory of Smart Internet Technology（智能互联网技术省重点实验室） ； Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 本文提出双策略增强的ConBiMamba系统，通过整合Conformer和Mamba的优势，提升说话人识别任务中局部细节和长跨度一致性建模的性能。

Comments Accepted at ICASSP 2026

Learning Dynamic Representations via An Optimally-Weighted Maximum Mean Discrepancy Optimization Framework for Continual Learning

通过最优加权最大均值差异优化框架进行动态表示学习以实现持续学习

KaiHui Huang, RunQing Wu, JinHui Sheng, HanYi Zhang, Ling Ge, JinYu Guo, Fei Ye

机构 * School of Information and Software Engineering, University of Electronic Science and Technology of China（电子科技大学信息与软件工程学院） ； School of Mechanical Engineering, Huazhong University of Science and Technology（华中科技大学机械工程学院） ； Xihua University（西华大学） ； School of Computation, Information and Technology, Technische Universität München（慕尼黑工业大学计算、信息与技术学院） ； China Mobile Communications Group Chongqing Co., Ltd.（中国移动通信集团重庆有限公司） 纠错

AI总结 本文提出最优加权最大均值差异优化框架，通过多级特征匹配机制和自适应正则化优化策略，有效解决持续学习中的灾难性遗忘问题，并在实验中取得最佳性能。