度量学习 vs 分类用于解耦音乐表征学习

深度表征学习提供了一种强大的范式，用于将输入数据映射到有组织的嵌入空间中，并对许多音乐信息检索任务十分有用。表征学习的两种核心方法包括深度度量学习和分类，两者的目标相同，即学习一种能够跨任务良好泛化的表征。除泛化能力外，解耦表征这一新兴概念也备受关注，其中多个语义概念（如流派、情绪、乐器配置）被联合学习但在所学表征空间中保持可分离。本文提出一个统一的表征学习框架，以整体方式阐明度量学习、分类与解耦之间的关系。为此，我们（1）概述了关于度量学习与分类之间关系的已有工作，（2）通过将这一关系扩展到多标签数据，探索三种不同的学习方法及其解耦版本，（3）在四项任务（训练时间、相似度检索、自动标注和三重预测）上评估所有模型。我们发现基于分类的模型在训练时间、相似度检索和自动标注方面通常更具优势，而深度度量学习在三重预测上表现出更好的性能。最后，我们展示了所提方法在音乐自动标注上取得了最先进的（SOTA）结果。