arXiv · ML· Kohei Yamamoto, Kosuke Okusa·· 2026-10-21AI 评分21
MiCLA:用于多声部音频表征学习的混合物到成分潜空间对齐
MiCLA: Mixture-to-Constituent Latent Alignment for Polyphonic Audio Representation Learning
AI 导读
提出两阶段自监督预训练框架 MiCLA,通过合成 log-mel 混合对齐混合物与其成分音频的表征。在 AS-20K 和 AS-2M 上微调分别取得 43.2% 和 50.3% mAP,且在冻结 CGP 探测下取得最高 mAP。该对齐信号被证明对多声部音频表征学习有效。
来源:arXiv · ML · arxiv.org