Buchumschlag

Investigating Design Choices in Joint-Embedding Predictive Architectures for General Audio Representation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Riou, Alain, Lattner, Stefan, Hadjeres, Gaëtan, Peeters, Geoffroy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Sound Artificial Intelligence Machine Learning Audio and Speech Processing
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Zero-shot Musical Stem Retrieval with Joint-Embedding Predictive Architectures
von: Riou, Alain, et al.
Veröffentlicht: (2024)

Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation
von: Riou, Alain, et al.
Veröffentlicht: (2024)

PESTO: Pitch Estimation with Self-supervised Transposition-equivariant Objective
von: Riou, Alain, et al.
Veröffentlicht: (2023)

PESTO: Real-Time Pitch Estimation with Self-supervised Transposition-equivariant Objective
von: Riou, Alain, et al.
Veröffentlicht: (2025)

Translation-Equivariant Self-Supervised Learning for Pitch Estimation with Optimal Transport
von: Torres, Bernardo, et al.
Veröffentlicht: (2025)

Audio-JEPA: Joint-Embedding Predictive Architecture for Audio Representation Learning
von: Tuncay, Ludovic, et al.
Veröffentlicht: (2025)

Music2Latent2: Audio Compression with Summary Embeddings and Autoregressive Decoding
von: Pasini, Marco, et al.
Veröffentlicht: (2025)

CoDiCodec: Unifying Continuous and Discrete Compressed Representations of Audio
von: Pasini, Marco, et al.
Veröffentlicht: (2025)

Estimating Musical Surprisal from Audio in Autoregressive Diffusion Model Noise Spaces
von: Bjare, Mathias Rose, et al.
Veröffentlicht: (2025)

Estimating Musical Surprisal in Audio
von: Bjare, Mathias Rose, et al.
Veröffentlicht: (2025)

Assessing the Alignment of Audio Representations with Timbre Similarity Ratings
von: Tian, Haokun, et al.
Veröffentlicht: (2025)

Automatic Music Sample Identification with Multi-Track Contrastive Learning
von: Riou, Alain, et al.
Veröffentlicht: (2025)

EnCLAP: Combining Neural Audio Codec and Audio-Text Joint Embedding for Automated Audio Captioning
von: Kim, Jaeyeon, et al.
Veröffentlicht: (2024)

Soft Clustering Anchors for Self-Supervised Speech Representation Learning in Joint Embedding Prediction Architectures
von: Ioannides, Georgios, et al.
Veröffentlicht: (2026)

Do Joint Language-Audio Embeddings Encode Perceptual Timbre Semantics?
von: Deng, Qixin, et al.
Veröffentlicht: (2025)

Unify Variables in Neural Scaling Laws for General Audio Representations via Embedding Effective Rank
von: Deng, Xuyao, et al.
Veröffentlicht: (2025)

Diff-A-Riff: Musical Accompaniment Co-creation via Latent Diffusion Models
von: Nistal, Javier, et al.
Veröffentlicht: (2024)

Controlling Surprisal in Music Generation via Information Content Curve Matching
von: Bjare, Mathias Rose, et al.
Veröffentlicht: (2024)

Diffusion Timbre Transfer Via Mutual Information Guided Inpainting
von: Lee, Ching Ho, et al.
Veröffentlicht: (2026)

Audio Mamba: Bidirectional State Space Model for Audio Representation Learning
von: Erol, Mehmet Hamza, et al.
Veröffentlicht: (2024)

SLAP: Siamese Language-Audio Pretraining Without Negative Samples for Music Understanding
von: Guinot, Julien, et al.
Veröffentlicht: (2025)

Embedding Alignment in Code Generation for Audio
von: Kouteili, Sam, et al.
Veröffentlicht: (2025)

Representation-Regularized Convolutional Audio Transformer for Audio Understanding
von: Han, Bing, et al.
Veröffentlicht: (2026)

Audio Mamba: Selective State Spaces for Self-Supervised Audio Representations
von: Yadav, Sarthak, et al.
Veröffentlicht: (2024)

Blind estimation of audio effects using an auto-encoder approach and differentiable digital signal processing
von: Peladeau, Côme, et al.
Veröffentlicht: (2023)

Continuous Autoregressive Models with Noise Augmentation Avoid Error Accumulation
von: Pasini, Marco, et al.
Veröffentlicht: (2024)

Audio Deepfake Attribution: An Initial Dataset and Investigation
von: Yan, Xinrui, et al.
Veröffentlicht: (2022)

BrewCLIP: A Bifurcated Representation Learning Framework for Audio-Visual Retrieval
von: Lu, Zhenyu, et al.
Veröffentlicht: (2024)

Exploring Musical Roots: Applying Audio Embeddings to Empower Influence Attribution for a Generative Music Model
von: Barnett, Julia, et al.
Veröffentlicht: (2024)

CoughViT: A Self-Supervised Vision Transformer for Cough Audio Representation Learning
von: Luong, Justin, et al.
Veröffentlicht: (2025)

OmniCustom: Sync Audio-Video Customization Via Joint Audio-Video Generation Model
von: Li, Maomao, et al.
Veröffentlicht: (2026)

A Contrastive Self-Supervised Learning scheme for beat tracking amenable to few-shot learning
von: Gagnere, Antonin, et al.
Veröffentlicht: (2024)

Controlling Contrastive Self-Supervised Learning with Knowledge-Driven Multiple Hypothesis: Application to Beat Tracking
von: Gagnere, Antonin, et al.
Veröffentlicht: (2025)

Joint Learning of Emotions in Music and Generalized Sounds
von: Simonetta, Federico, et al.
Veröffentlicht: (2024)

Ming-UniAudio: Speech LLM for Joint Understanding, Generation and Editing with Unified Representation
von: Yan, Canxiang, et al.
Veröffentlicht: (2025)

Learning Semantic Information from Raw Audio Signal Using Both Contextual and Phonetic Representations
von: Kim, Jaeyeon, et al.
Veröffentlicht: (2024)

WavShape: Information-Theoretic Speech Representation Learning for Fair and Privacy-Aware Audio Processing
von: Baser, Oguzhan, et al.
Veröffentlicht: (2025)

Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks
von: Grötschla, Florian, et al.
Veröffentlicht: (2024)

Investigation of Whisper ASR Hallucinations Induced by Non-Speech Audio
von: Barański, Mateusz, et al.
Veröffentlicht: (2025)

AudioTurbo: Fast Text-to-Audio Generation with Rectified Diffusion
von: Zhao, Junqi, et al.
Veröffentlicht: (2025)