摘要

Barlow Twins 自监督学习目标既不需要负样本也不需要非对称学习更新，在计算机视觉领域达到了与当前最先进方法相当的结果。基于此，我们提出了 Audio Barlow Twins，这是一种新颖的自监督音频表示学习方法，将 Barlow Twins 适应到音频领域。我们在大规模音频数据集 AudioSet 上进行预训练，并在 HEAR 2021 挑战赛的 18 个任务上评估所学表示的质量，结果表明该方法在实例判别自监督学习方法中超过了或至少与当前最先进的音频表示学习方法相当。代码见 https://github.com/jonahanton/SSL_audio。