arXiv stat.ML· Kohei Yamamoto, Kosuke Okusa·· 13 天前AI 评分34
MiCLA：面向复音音频表征学习的混合到成分隐空间对齐框架
MiCLA: Mixture-to-Constituent Latent Alignment for Polyphonic Audio Representation Learning
AI 导读
研究人员提出自监督预训练框架 MiCLA，通过合成 log-mel 混合将复音音频的混合表征与其成分片段进行双向隐空间对齐。微调评测中，MiCLA 在 AS-20K 上达到 43.2% mAP，在 AS-2M 上达到 50.3% mAP，并在冻结凸门控探测（CGP）下取得同类评估模型中的最高 mAP。实验表明该定向对齐机制有效提升了多声音事件的表征与联合检索能力。
来源：arXiv stat.ML · arxiv.org