arXiv cs.AI· Jo\~ao Victor Quintanilha, Emma Virnelli, Shuo Zhang·· 12 小时前AI 评分18
双通道对比编码器 DCCE：分别编码抹香鲸尾音节奏与频谱
Dual-Channel Contrastive Encoding of Sperm Whale Coda
AI 导读
研究者提出双通道对比编码器（DCCE），用独立编码器分别编码抹香鲸尾音的节奏与频谱信息后再融合，在 1,383 条尾音上评估社会单元、尾音类型和个体识别三项任务。
正文 · AI 翻译
摘要：抹香鲸（Physeter macrocephalus）通过称为尾音（coda）的短促咔嗒声序列进行交流，其结构包括咔嗒声间隔（ICI）的节奏模式和咔嗒声的频谱组成。本文提出双通道对比编码器（DCCE），它使用独立的编码器分别显式编码节奏和频谱信息，然后再进行融合。我们在三项尾音理解任务上评估 DCCE：社会单元、尾音类型和个体识别。我们在统一的线性探测协议下将 DCCE 与文献中的强基线进行比较，并通过消融实验分析每个通道和训练目标的作用。在 1,383 个尾音上，共享划分和仅基于验证集的层选择支持三次随机划分和三次录制日期不相交的折。采用单元配对和类型监督的 DCCE 在单元/类型/身份上取得的平均随机划分宏 F1 分别为 0.901/0.865/0.597。原始 ICI 在类型任务上仍然最强（0.987），而 ICI 加时间梅尔统计量是强有力的身份参考（0.724）。辅助身份目标改善了频谱分支的身份预测，但在该配置下并未提高平均融合身份得分。按日期分组的评估和四次年度留出实验揭示了泛化能力的局限。结果支持时序信息和频谱信息的任务相关组合，但并未确立独立的生物通道或普遍的架构优越性。代码、笔记本和完整结果可在 此 https URL 获取。
| 学科： | 声音（cs.SD）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.29101 [cs.SD] |
| （或 arXiv:2610.29101v1 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29101 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 期刊 参考： | 第 11 届声学场景与事件检测与分类研讨会（DCASE 2026）论文集 |
提交历史
来自：Shuo Zhang [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 02:46:56 UTC（131 KB）
来源：arXiv cs.AI · arxiv.org