通过 Contrastive Equilibrium Learning 进行说话人识别的无监督表征学习

基于摘要分析。本文研究说话人识别中的无监督表征学习，提出 Contrastive Equilibrium Learning（CEL），通过结合均匀性损失与对比相似性损失，在增加嵌入中潜在干扰因素不确定性的同时保留说话人可分性。 机制上，均匀性损失用于增加干扰因素的不确定性，对比相似性损失用于维持身份区分能力；但摘要未说明两项损失的具体形式、正负样本构造、训练数据规模或网络结构，因此不能仅据损失名称认定其实现了身份与干扰因素的显式解耦。 作者报告，在无监督说话人验证评估中，CEL 优于所比较的先进无监督系统，最佳模型在 VoxCeleb1 和 VOiCES 评估集上的等错误率（EER）分别为 8.01% 和 4.01%。这两个数值对应不同评估集，不宜直接作跨数据集性能比较；训练划分、评估试验构造、基线配置及统计信息尚未验证。作者还报告，以 CEL 预训练参数初始化的有监督说话人嵌入网络优于随机初始化，但摘要未给出具体增益。 平台推测（待验证）：其双损失思路可能用于探索 EEG 任务判别信息与会话、设备等干扰因素之间的平衡，但原任务保留的是说话人身份，而跨被试 EEG 解码往往需要削弱身份影响，不能直接照搬。可复用的是联合约束思路，需要改造 EEG 编码器、增强方式及正负样本规则；低信噪比、通道变化和小样本可能导致任务信息被同时削弱。一个可检验的假设是：在固定跨会话划分和相同编码器下，比较仅对比损失与联合均匀性损失的预训练，观察下游解码表现及会话可预测性是否同时改善。相关 EEG 工作尚未检索确认。