BriefGPT - AI 论文速递 · 2023-11-27T00:00:00Z A-JEPA：联合嵌入预测架构能够聆听 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了一种将视觉模型应用于音频的方法，通过预测潜在空间中的音频表示。作者提出了一种自监督学习方法，通过编码音频频谱图块并预测采样区域的表示来实现。实验证明该方法在音频和语音分类任务上具有优越性能。 🏷️ 标签 自监督学习 视觉模型 音频 音频分类 音频表示 阅读原文 生成长图 分享链接 已复制链接
