AudioFM：面向通用音频表征学习

基于摘要分析。AudioFM 研究自监督音频表征如何兼顾全局声景与细粒度声学片段，核心贡献是将录音级对比学习与 patch 级掩码潜在判别结合，补充仅对池化表征施加对比目标时对局部时频表征的显式监督。 机制上，学生利用可见声学上下文预测被掩码 patch 的表征，并从包含其他录音候选目标的集合中，识别对应的全视图教师目标。框架还对符合条件的时间邻近片段引入较弱监督，以鼓励局部时间一致性。摘要未说明教师更新方式、候选构造、邻近片段筛选规则及各训练目标的具体形式，这些细节尚需正文核对。 作者报告，在多种音频领域的线性探测、微调和零样本迁移评估中，AudioFM 达到最先进性能，并表现出事件检测、场景理解及域泛化能力。摘要未提供具体数据集、划分、对照方法或指标数值，因而目前无法核对提升幅度与适用边界；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若将 EEG 构造成局部时频 patch，该机制可能用于联合学习整段状态与短时局部活动表征，但原论文对象是音频，不能据此认定 BCI 有效。可复用的是全局对比与局部掩码判别的目标组合；需改造通道与时频编码、掩码粒度及邻近片段规则。低信噪比、跨被试差异和小数据可能使教师目标偏向伪迹或被试身份，时间邻近也不必然意味着任务语义一致。可在固定被试隔离划分和训练预算下，对比仅录音级对比、加入局部判别及再加入邻近监督的 EEG 表征，检验下游增益是否稳定。相关 EEG 工作尚未检索确认。