arXiv · cs.AI· Claudia Montero-Ramírez·· 12 天前AI 评分15
层次化可解释多任务音频表示学习：基于信息瓶颈的事件-场景关系分析
Hierarchical Interpretable Multitask Audio Representation Learning: An Analysis of Event-Scene Relationships through the Information Bottleneck
来源与原文
arXiv · cs.AI
作者：Claudia Montero-Ramírez
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.21520v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究提出层次化（顺序）条件范式，从中间事件概率直接预测声学场景类别，替代传统多任务多输出头架构。研究在 PaSST、PANNs 和 BEATs 三种骨干上完成 66 次完整训练，发现 beta 在 0.6–0.9 时可实现双任务同步学习，且层次化条件化带来更低的条件熵、更高的互信息和更好的潜在聚类可分性。
来源：arXiv · cs.AI · arxiv.org