组合式音频表示学习

基于摘要分析。本文研究包含多个声音事件的听觉场景表示：传统片段级表示难以解耦组成场景的声音源，作者提出源中心音频表示，以不同的解耦嵌入分别表示各声音源。主要贡献是两条学习路径：由分类任务引导的有监督模型，以及由特征重建引导的无监督模型。 机制与结果：两条路径分别利用分类监督和重建目标学习源中心表示，但摘要未说明声音源嵌入如何生成、如何分配到具体声音源，也未给出损失形式。作者报告，在音频分类任务的评估中，两种方法均优于所用基线；作者还报告，监督有助于学习源中心表示，而无监督学习中重建音频特征比重建频谱图更有用。数据集、训练规模、划分方式、基线身份、指标及提升幅度均未提供，实验协议、消融及统计信息尚未验证。更强的可解释性与更灵活的解码是作者提出的潜在价值，不能视为摘要已验证的独立结果。 平台推测（待验证）：可检验的迁移假设是，源中心表示可能有助于将 EEG 中混合的任务相关活动与干扰因素分开，但音频声音源不等同于 EEG 神经源，且 EEG 的源重叠、低信噪比与空间混合可能使这种对应失效。可考虑复用分类引导与特征重建的目标设计；输入特征、源嵌入约束和解码模块则需适配 EEG。依赖怎样的声音源标注、特征提取器及数据规模，仍需正文确认。 一个小规模可证伪实验是：在固定 EEG 数据与相同训练划分下，对照整体表示和源中心表示，并分别比较特征重建与时频图重建；检验分类表现及嵌入对可控伪迹扰动的稳定性。需特别防范模型仅按被试或通道差异组织嵌入，以及小数据下解耦不稳定。已有 EEG 相关工作尚未检索确认。