本文研究了自监督通用音频表示学习的问题，使用联合嵌入预测架构（JEPA），通过分割mel频谱图为上下文和目标两部分，训练神经网络从上下文表示中预测目标表示。研究发现图像领域的设计选择会导致音频上的性能下降，凸显了两种模态之间的重要差异。

本文研究了自监督通用音频表示学习的问题，使用联合嵌入预测架构（JEPA）进行实验评估，并探讨了设计选择对模型质量的影响。实验证明输入数据的不同部分对模型性能有显著影响，凸显了音频和图像之间的重要差异。

本文研究了自监督通用音频表示学习的问题，使用联合嵌入预测架构（JEPA）进行实验评估，发现输入数据的哪部分被用作上下文或目标会显著影响模型的质量。同时也强调了音频和图像之间的重要差异。