VAST：虚拟声学空间旅行者数据集

基于摘要分析。本文研究声源定位，提出 virtual acoustic space traveling（VAST，虚拟声学空间旅行）范式及面向该范式的首个数据集，核心是利用大规模模拟房间脉冲响应，学习从音频特征到目标声学属性的映射。 机制与数据设计：摘要将既有声源定位方法分为依赖近似物理模型的物理驱动方法，以及依赖特定用途校准集的数据驱动方法。VAST 尝试通过虚拟声学场景覆盖系统可能遇到的真实环境，同时保持数据集规模相对紧凑。其技术关注点是模拟场景的代表性与数据规模之间的取舍，而非摘要中未说明的具体网络结构或损失函数。 结果与证据边界：作者报告，在该虚拟数据集上学习的映射能够泛化至真实数据，并克服传统基于到达时间差的双耳声源定位方法的部分固有限制。摘要未提供数据规模、房间与声源配置、音频特征、训练及测试划分、真实数据来源、误差指标或具体对照结果，实验协议、消融及统计信息尚未验证，无法据此判断泛化幅度及适用范围。 相关性边界：原论文的主要对象是声学场景模拟与声源定位，并非 EEG 解码或 BCI。现有材料未建立其与神经信号建模的具体机制对应，因此不将其改写为 BCI 算法贡献，也不据此提出 EEG 迁移实验；相关 EEG 工作尚未检索确认。复现评估需进一步核对数据生成参数、场景覆盖范围、真实测试条件及数据集获取方式。