論文の概要: Bach or Mock? A Grading Function for Chorales in the Style of J.S. Bach
- arxiv url: http://arxiv.org/abs/2006.13329v3
- Date: Fri, 17 Jul 2020 16:25:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-17 22:43:39.279299
- Title: Bach or Mock? A Grading Function for Chorales in the Style of J.S. Bach
- Title(参考訳): バッハかモックか?
J.S.バッハスタイルにおける合唱曲のグラディング機能
- Authors: Alexander Fang, Alisa Liu, Prem Seetharaman, Bryan Pardo
- Abstract要約: 本稿では,J.S.バッハ様式の4パート合唱曲を重要な音楽的特徴とともに評価するグレーディング機能を提案する。
この機能は,Bach合唱曲とモデル生成の合唱曲を区別する上で,人間専門家より優れていることを示す。
- 参考スコア(独自算出の注目度): 74.09517278785519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deep generative systems that learn probabilistic models from a corpus of
existing music do not explicitly encode knowledge of a musical style, compared
to traditional rule-based systems. Thus, it can be difficult to determine
whether deep models generate stylistically correct output without expert
evaluation, but this is expensive and time-consuming. Therefore, there is a
need for automatic, interpretable, and musically-motivated evaluation measures
of generated music. In this paper, we introduce a grading function that
evaluates four-part chorales in the style of J.S. Bach along important musical
features. We use the grading function to evaluate the output of a Transformer
model, and show that the function is both interpretable and outperforms human
experts at discriminating Bach chorales from model-generated ones.
- Abstract(参考訳): 既存の音楽のコーパスから確率モデルを学ぶ深層生成システムは、伝統的な規則に基づくシステムと比較して、音楽スタイルの知識を明示的にエンコードしていない。
したがって、深いモデルが専門家の評価なしにスタイリスト的に正しい出力を生成するかどうかを判断することは困難であるが、これは高価で時間がかかる。
そのため、自動的、解釈可能で、音楽的に動機づけられた音楽評価手段が必要となる。
本稿では,j.s.バッハの4部コラを重要な音楽的特徴に合わせて評価する階調関数を提案する。
変圧器モデルの出力を評価するために階調関数を用い,モデル生成とバッハ振付を区別する上で,その関数が人間の専門家よりも解釈可能かつ優れたものであることを示す。
関連論文リスト
- MusicFlow: Cascaded Flow Matching for Text Guided Music Generation [53.63948108922333]
MusicFlowは、フローマッチングに基づくケースドテキストから音楽への生成モデルである。
学習目的としてマスク予測を活用することで,音楽の充実や継続といった他のタスクにモデルを一般化することができる。
論文 参考訳(メタデータ) (2024-10-27T15:35:41Z) - Towards Explainable and Interpretable Musical Difficulty Estimation: A Parameter-efficient Approach [49.2787113554916]
音楽コレクションの整理には曲の難易度を推定することが重要である。
シンボリックな音楽表現の難易度推定には説明可能な記述子を用いる。
ピアノレパートリーで評価したアプローチは,平均2乗誤差(MSE)が1.7。
論文 参考訳(メタデータ) (2024-08-01T11:23:42Z) - A Survey of Music Generation in the Context of Interaction [3.6522809408725223]
機械学習は、メロディーとポリフォニックの両方の曲の作曲と生成に成功している。
これらのモデルのほとんどは、ライブインタラクションによる人間と機械の共創には適していない。
論文 参考訳(メタデータ) (2024-02-23T12:41:44Z) - Deep Generative Models of Music Expectation [2.900810893770134]
本稿では, 拡散モデルを用いて, 最新の深層確率生成モデルを用いて, 音楽入力シーケンスの近似確率を計算することを提案する。
従来の研究とは異なり、ディープニューラルネットワークによってパラメータ化されたこのような生成モデルは、トレーニングセット自体から直接、複雑な非線形特徴を学習することができる。
本研究では,事前学習した拡散モデルが,被測定対象の「ライキング」評価と負の二次的関係を示す音楽的前提値をもたらすことを示す。
論文 参考訳(メタデータ) (2023-10-05T12:25:39Z) - MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training [74.32603591331718]
本稿では,MLMスタイルの音響事前学習において,教師モデルと擬似ラベルを組み込んだ大規模自己教師型学習(MERT)を用いた音響音楽理解モデルを提案する。
実験結果から,本モデルでは14曲の楽曲理解タスクを一般化し,性能を向上し,SOTA(State-of-the-art)全体のスコアを達成できることが示唆された。
論文 参考訳(メタデータ) (2023-05-31T18:27:43Z) - Bach Style Music Authoring System based on Deep Learning [0.0]
本研究の目的は,ディープラーニングに基づくバッハスタイルの音楽オーサリングシステムを設計することである。
LSTMニューラルネットワークを用いて、シリアライズおよび標準化された音楽特徴データをトレーニングする。
Bach 音楽の模倣を生成できる最適な LSTM モデルを見いだす。
論文 参考訳(メタデータ) (2021-10-06T10:30:09Z) - BacHMMachine: An Interpretable and Scalable Model for Algorithmic
Harmonization for Four-part Baroque Chorales [23.64897650817862]
BacHMMachineは、音楽作曲の原則によって導かれる「理論駆動」の枠組みを採用している。
与えられた旋律線から鍵変調と和音の進行を学習するための確率的フレームワークを提供する。
これにより計算負荷が大幅に減少し、解釈可能性も向上する。
論文 参考訳(メタデータ) (2021-09-15T23:39:45Z) - Incorporating Music Knowledge in Continual Dataset Augmentation for
Music Generation [69.06413031969674]
Aug-Genは、リソース制約のあるドメインでトレーニングされた任意の音楽生成システムに対するデータセット拡張の方法である。
我々は、Aug-Gen をトランスフォーマーベースのコラール生成に J.S. Bach のスタイルで適用し、これによりより長いトレーニングが可能となり、より優れた生成出力が得られることを示す。
論文 参考訳(メタデータ) (2020-06-23T21:06:15Z) - RL-Duet: Online Music Accompaniment Generation Using Deep Reinforcement
Learning [69.20460466735852]
本稿では,オンライン伴奏生成のための深層強化学習アルゴリズムを提案する。
提案アルゴリズムは人体に応答し,メロディック,ハーモニック,多種多様な機械部品を生成する。
論文 参考訳(メタデータ) (2020-02-08T03:53:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。