Perch 2.0：生物声学的比特经验教训
机器学习
2026-01-06 v2 声音
音频与语音处理
摘要
Perch是用于生物声学的高性能预训练模型。它以监督方式进行训练，提供针对数千种鸟类声鸣物种的即插即用分类得分，以及强大的迁移学习嵌入。在本次新版本Perch 2.0中，我们扩展了从仅针对鸟类物种训练到大型多物种数据集的范围。该模型使用自蒸馏进行训练，采用基于prototype-learning的分类器以及新的source-prediction训练准则。Perch 2.0在BirdSet和BEANS基准测试中获得了最先进的性能。它在海洋迁移学习任务中超过了专门的海洋模型，尽管几乎没有海洋训练数据。我们对为生物声学提供细粒度物种分类是 particularly robust pre-training task 的假设进行了阐述。
引用
@article{arxiv.2508.04665,
title = {Perch 2.0: The Bittern Lesson for Bioacoustics},
author = {Bart van Merriënboer and Vincent Dumoulin and Jenny Hamer and Lauren Harrell and Andrea Burns and Tom Denton},
journal= {arXiv preprint arXiv:2508.04665},
year = {2026}
}