EEG-AAD 2026: EEG Auditory Attention Decoding Challenge
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9月1日正式开始！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。我们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
本次 EEG-AAD 挑战赛聚焦于前沿的计算神经科学与脑机接口研究，旨在解码多说话人环境中个体的听觉注意方向。其核心目标是推动跨被试与跨场次解码方法的突破，促进 EEG-AAD 模型在真实复杂场景下的泛化与应用。具体目标包括：
1. 多说话人场景下的听觉注意解码：通过分析听者的 EEG 信号，识别并定位其注意力所指向的说话人空间方向。这一能力对于新一代助听器具有重要应用价值，可帮助听障人群在嘈杂环境中聚焦目标语音、抑制干扰。
2. 高质量多模态数据集的构建与利用：本次比赛首次提供包含 40 名被试、约 4400 分钟 EEG 数据的多模态数据集，涵盖音视频与纯音频两类场景。该数据集缓解了 AAD 研究中长期存在的数据稀缺问题，为复杂模型训练和标准化算法评测提供了坚实基础
3. 挑战性的解码任务设置：参赛者将面对两类高难度任务：
⑴ 跨被试任务（Task 1）：在部分被试的 EEG 数据上训练模型，并在未见过的被试上预测听觉注意方向。
⑵ 跨场景任务（Task 2）：在同一被试的部分实验场景数据上训练模型，并在其未见场景中预测听觉注意方向。
通过本次挑战，我们期望推动 AAD 从单一音频刺激范式走向更复杂、更接近真实环境的实验设计，促进通用化与鲁棒性模型的发展，加速听觉注意解码技术在实际场景中的落地应用。
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
图3 EEG-AAD挑战赛海报图
2025年9月1日：开放注册，发布基线论文与代码，挑战赛正式开始。
2025年11月10日：发布测试数据。
2025年11月24日：最终结果提交截止日期。
2025年12月1日：公布挑战赛结果和排名。
2025年12月7日：提交 2 页论文（仅限受邀团队）。
2026年1月11日：公布 2 页论文录用结果。
2026年1月18日：提交 2 页论文定稿。
1.参赛者可以选择提交一个赛道或两个赛道的参赛结果，每个赛道将根据参赛者在该赛道中的最佳成绩进行排名。
2.前五支团队将受邀提交一篇 2 页论文，并在 ICASSP 2026 上进行展示。入选团队包括：赛道一排名前两名、赛道二排名前两名，以及来自提交数量较多的赛道中额外选出的一个团队。
3.如有问题或需要进一步说明，欢迎参赛者通过邮件与主办方联系。
范存航，安徽大学
吕钊，安徽大学
周健，安徽大学
蔡思琪，哈尔滨工业大学
卢晶，南京大学声学研究所
陈景东，西北工业大学
有关挑战赛的详细资料，请参考网页：
https://fchest.github.io/icassp-aad
主办方邮箱：
