用于音乐相似度检索与自动标注中度量学习的自监督辅助损失

在音乐信息检索领域，基于相似度的检索与自动标注是核心组成部分。鉴于人类监督信号的局限性与不可扩展性，模型从替代源学习以提升性能变得至关重要。仅依赖从音乐音频数据导出的学习信号的自监督学习，已在自动标注场景中证明其有效性。在本研究中，我们提出一种基于自监督学习方法的模型，通过引入带自监督辅助损失的度量学习来解决基于相似度的检索挑战。此外，不同于常规自监督学习方法，我们发现同时以自监督与监督信号训练模型而不冻结预训练模型的优势。我们也发现微调阶段不进行数据增强可获得更好结果。我们的实验结果证实，所提方法在两种不同场景下均提升了检索与标注性能指标：一是所有人标注标签对所有音轨均持续可用，二是此类标签仅对部分音轨可获取。