无监督少样本音频分类

在少样本无监督分类任务中，我们假设在模型预训练阶段仅有未标注数据可用。这一设置与传统有标签数据预训练的方法形成对比。Unsupervised Few-Shot Audio Classification旨在利用少量未标注音频样本，通过无监督学习技术实现高效准确的音频分类。该任务不仅能够降低数据标注成本，还能提升模型在新类别上的泛化能力，具有重要的应用价值。