通过噪声增强自编码器实现音乐表征的感知对齐

基于摘要分析。该研究以音乐音频表征为主要对象，探讨如何使自编码器的编码结构与感知层级对齐；核心方法是在编码中加入噪声，再结合感知损失训练自编码器重建原始输入。作者报告，这种训练方式使感知上显著的信息相较常规训练被组织在更粗粒度的表征结构中。 机制上，噪声作用于编码而非摘要明确指出的原始音频输入，重建任务与感知损失共同约束表征学习。作者将所观察到的粗粒度信息组织解释为感知层级的形成，但摘要未提供噪声分布、强度、感知损失定义、自编码器结构或层级结构的量化方法，这些实现与验证细节尚未核实。 作者报告，这类感知层级在音乐音高的 surprisal（惊异度）估计及音乐聆听 EEG 脑响应预测场景中改善了潜在扩散解码。摘要未说明两项任务的具体解码流程、对照配置、评估指标或收益幅度；其中 EEG 预测所用数据、被试数量及被试内、跨被试或跨会话划分也尚未验证。因此，该结果可视为音乐表征与 EEG 响应建模之间的直接研究联系，不能进一步解释为通用 EEG 解码或 BCI 性能提升。 作者说明已提供预训练权重，可作为核对表征结构与下游预测结果的起点；权重对应版本、训练数据、运行依赖，以及实验协议、消融及统计信息尚未验证。复现时宜优先核对感知层级的测量依据，以及噪声增强和感知损失各自对 EEG 预测结果的贡献。