超越基带：面向全频谱生物声学分类的自适应多频段编码
机器学习
2026-05-01 v1 音频与语音处理
摘要
动物听觉和发声的频率范围与人类差异很大，通常延伸到超声波域。然而，大多数计算生物声学系统依赖于在 16 kHz 下预训练的音频模型，将其可用带宽限制在 0-8 kHz 的基带，并丢弃了许多生物声学录音中存在的高频信息。我们研究了一种多频段编码框架，该框架将动物叫声的全频谱分解为频段特征，并将其融合成一个统一的表示。对模型的相似性分析表明，某些编码器产生的去相关频段嵌入在融合后改善了类别分离。使用八种预训练模型和五种融合策略在三个生物声学数据集上进行的分类实验表明，在两个数据集上，融合表示始终优于基带和时间扩展基线，显示了多频段方法在动物叫声全频谱编码方面的潜力。
引用
@article{arxiv.2604.27936,
title = {Beyond the Baseband: Adaptive Multi-Band Encoding for Full-Spectrum Bioacoustics Classification},
author = {Eklavya Sarkar and Marius Miron and David Robinson and Gagan Narula and Milad Alizadeh and Ellen Gilsenan-McMahon and Emmanuel Chemla and Olivier Pietquin and Matthieu Geist},
journal= {arXiv preprint arXiv:2604.27936},
year = {2026}
}