本研究提出了一种基于弱标注音频片段的监督对比学习方法，解决了音乐版本检测中的细分匹配问题。该方法显著提升了片段级别的评估性能，为音乐版本匹配及其他领域提供了新思路。

本文介绍了一种新型弱标注视频显著目标检测模型，结合外观运动融合模块和双向ConvLSTM框架，实现多模态学习和长期时序建模。通过前景背景相似度损失和弱标注增强策略，提升模型性能。实验结果表明，该方法在多个数据集上表现优异。