MultiJEPA：跨时间分辨率的音乐表征学习

基于摘要分析。MultiJEPA 研究音乐语义跨越多种时间尺度时，如何避免单一时间分辨率限制表征能力。其核心贡献是采用多分辨率联合嵌入预测架构，通过动态聚合的分辨率训练单一编码器，并结合多速率查询、融合与细到粗自对齐，兼顾局部细节和长程上下文。 原研究对象是音乐信号：起音与节拍定位需要精细时间信息，而和声背景及曲式涉及更长时间范围。作者报告，在受控的五种分辨率分析中，粗分辨率更有利于调性与结构理解，细分辨率更有利于节拍跟踪和转录，没有一种分辨率在所有任务上占优。 作者报告，使用单一编码器、以四种时间速率查询，可达到固定分辨率方案所刻画的性能权衡边界；进一步采用简单的四查询融合后，在覆盖九项下游任务的十六项探测指标中，有十五项优于所比较的纯音频自监督编码器。作者还提出短阶段的细到粗自对齐，将不同分辨率视图组织为嵌套表征，并报告跨分辨率探测器迁移有所改善。摘要未提供具体分数、数据集、划分及基线名称，不能据此判断收益幅度或普适性。 平台推测（待验证）：若 EEG 任务同时依赖短时事件与较长上下文，多分辨率查询及融合可能具有可迁移价值；可复用的是时间尺度组织思路，需改造输入编码、通道处理及时间聚合方式。该假设依赖 EEG 数据中的多尺度信息确实互补，不能由音乐结果直接推出。低信噪比、跨被试差异及小数据条件可能削弱多尺度互补性，粗粒度聚合也可能抹去关键瞬态。一个可证伪的小实验是在同一 EEG 数据划分和相近计算预算下，对比单分辨率与多分辨率查询融合，检查收益是否稳定且不以损失瞬态信息为代价。已有相关 EEG 工作尚未检索确认；具体损失、训练配置、实验协议、消融及统计信息尚未验证。