arXiv · Machine Learning· Yamin Li, Ruidong Zhang, Anran Wang, Eduardo Fonseca, Dan Ellis, Zechen Li, Simon A. Lee, Tao Pang, Jake Garrison, Maxwell A. Xu, Yicheng Wang, Jitian Zhang, Weizhi Zhang, Haichao Zhang, Catie Chang, Xin Liu, Anupam Pathak, Daniel McDuff, Shwetak Patel, Jake Sunshine, Yuzhe Yang, Xiaoran Fan·· 13 小时前AI 评分35
AudioFM：迈向通用音频表征学习
AudioFM: Towards General Purpose Audio Representation Learning
AI 导读
AudioFM提出一种自监督音频表征学习框架，将录音级对比学习与逐补丁掩码潜变量判别结合起来，以可见声学上下文预测被掩码补丁的表征，并利用符合条件的时间邻居增强局部时间一致性。评测显示，AudioFM在多种音频领域的线性探测、微调和零样本迁移中达到当前最佳性能，提升了事件检测、场景级理解和跨领域泛化能力。
来源：arXiv · Machine Learning · arxiv.org