ICASSP 2026丨脑电听觉注意力解码挑战赛

由安徽大学生物信息感知与人机交互团队、哈尔滨工业大学（深圳）、南京大学、西北工业大学等单位联合举办的脑电听觉注意力解码挑战赛于已正式开启！本次 EEG-AAD 2026 挑战赛是ICASSP 2026 Grand Challenge之一，旨在利用脑电（EEG）信号解码多说话人环境中被注意说话人的方向，并在多场景条件下展开，促进模型在真实环境中的泛化能力与应用。

希望本次挑战能够激发 AAD 领域新的理论突破和方法创新，推动更具泛化能力的模型发展。优秀参赛队伍可以受邀在ICASSP 2026提交系统报告论文，欢迎大家报名参加！

赛事官网：https://fchest.github.io/icassp-aad

赛道任务

📑 赛道1：跨被试（cross-subject)

本任务将挑战参赛者构建跨被试的听觉注意解码（AAD）模型，能够在音视频多说话人环境中，仅依靠脑电信号准确识别听觉注意类别。比赛将提供来自 30 名被试的数据作为训练与验证集，另有 10 名全新被试的数据作为测试集。参赛者需要设计出具有强泛化能力的跨被试解码模型，并在测试集中分别计算每位被试的解码准确率，最终以平均准确率（%）作为核心评估指标。

图1 跨被试赛道图

📑 赛道2：跨场景（cross-session)

本任务要求参赛者构建能够在未见过的场景中，从脑电信号中解码听觉注意类别的 AAD 模型。在训练阶段，参赛者将获得 30 名被试的 EEG 数据，同时包含纯音频（Audio-only）与音视频（Audio-visual）两种条件。其中，纯音频数据用于模型训练，相应的音视频数据则用于验证。除此之外，10 名测试被试的纯音频数据也会在训练阶段提前提供。在测试阶段，参赛者只需将基于训练数据构建的模型直接应用于这 10 名被试的音视频数据预测。最终目标是建立一个具备跨场景泛化能力的单被试解码模型，并计算模型在测试集中每位被试的解码准确率，取平均准确率（%）作为评估指标。

图2 跨场景赛道图

重要时间

组织者