研究人员探索了程序化音频在可迁移音频表示学习中的有效性。他们的研究使用 FDSL 和 AudioMAE,发现程序化源的扩展涉及两个关键因素:公式类别覆盖率和类别内渲染多样性。程序化音频的最佳掩码比例在 10% 到 25% 之间,这与 AudioSet-28K 青睐的 50% 到 75% 形成对比。分析还表明,程序化音频的补丁多样性较低,时间可预测性较强,这表明需要源感知的预训练配置。 AI
影响 研究结果表明,针对音频模型的预训练策略得到了优化,有可能提高下游任务的性能。
排序理由 该集群包含一篇详细介绍音频表示学习研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →