Fugu-MT 論文翻訳(概要): A Hybrid Approach to Audio-to-Score Alignment

論文の概要: A Hybrid Approach to Audio-to-Score Alignment

arxiv url: http://arxiv.org/abs/2007.14333v1
Date: Tue, 28 Jul 2020 16:04:19 GMT
ステータス: 処理完了
システム内更新日: 2022-11-06 03:11:58.532440
Title: A Hybrid Approach to Audio-to-Score Alignment
Title（参考訳）: オーディオ-スコアアライメントへのハイブリッドアプローチ
Authors: Ruchit Agrawal and Simon Dixon
Abstract要約: オーディオ・トゥ・スコアアライメントは、演奏音声と曲のスコアの正確なマッピングを生成することを目的としている。標準的なアライメント手法は動的時間ウォーピング(DTW)に基づいており、手作りの機能を採用している。本稿では,DTWに基づく自動アライメント手法の事前処理ステップとしてニューラルネットワークの利用について検討する。
参考スコア（独自算出の注目度）: 13.269759433551478
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Audio-to-score alignment aims at generating an accurate mapping between a performance audio and the score of a given piece. Standard alignment methods are based on Dynamic Time Warping (DTW) and employ handcrafted features. We explore the usage of neural networks as a preprocessing step for DTW-based automatic alignment methods. Experiments on music data from different acoustic conditions demonstrate that this method generates robust alignments whilst being adaptable at the same time.
Abstract（参考訳）: オーディオ・トゥ・スコアアライメントは、演奏音声と曲のスコアの正確なマッピングを生成することを目的としている。標準的なアライメント手法は動的時間ウォーピング(DTW)に基づいており、手作りの機能を採用している。 DTWに基づく自動アライメント手法の事前処理ステップとしてニューラルネットワークの利用について検討する。音響条件の異なる音楽データに対する実験により, 同時に適応しながらロバストなアライメントを生成することを示した。

関連論文リスト

Automatic Equalization for Individual Instrument Tracks Using Convolutional Neural Networks [2.5944208050492183]
本稿では,個々の楽器トラックの自動等化のための新しい手法を提案する。本手法は,対象とする理想スペクトルを選択するために,音源記録中に存在する機器を同定することから始める。我々は、従来確立されていた最先端技術に対する改善を実証する、微分可能なパラメトリック等化器マッチングニューラルネットワークを構築した。
論文参考訳（メタデータ） (2024-07-23T17:55:25Z)
Match-Stereo-Videos: Bidirectional Alignment for Consistent Dynamic Stereo Matching [17.344430840048094]
最近の学習に基づく手法では, 一つのステレオペア上での最適性能が優先され, 時間的矛盾が生じている。本研究では,隣接フレームの双方向アライメント機構を基本動作として開発する。既存の手法とは異なり、我々はこのタスクを局所的なマッチングとグローバルアグリゲーションとしてモデル化する。
論文参考訳（メタデータ） (2024-03-16T01:38:28Z)
Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
相関に基づくステレオマッチングは優れた性能を達成した。固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
論文参考訳（メタデータ） (2023-07-26T09:47:37Z)
AlignSTS: Speech-to-Singing Conversion via Cross-Modal Alignment [67.10208647482109]
STS音声変換タスクは,音声録音に対応する歌唱サンプルを生成することを目的としている。本稿では,明示的なクロスモーダルアライメントに基づくSTSモデルであるAlignSTSを提案する。実験の結果、AlignSTSは客観的メトリクスと主観的メトリクスの両方で優れたパフォーマンスを達成している。
論文参考訳（メタデータ） (2023-05-08T06:02:10Z)
Anomalous Sound Detection using Audio Representation with Machine ID based Contrastive Learning Pretraining [52.191658157204856]
コントラスト学習を用いて、各音声サンプルではなく、各機械IDの音声表現を洗練する。提案手法では、コントラスト学習を用いて音声表現モデルを事前学習する。実験の結果,本手法はコントラスト学習や自己教師型分類を用いて最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2023-04-07T11:08:31Z)
Deep Declarative Dynamic Time Warping for End-to-End Learning of Alignment Paths [54.53208538517505]
本稿では、動的時間ワープ(DTW)による時間的アライメントステップを含む時系列データのエンドツーエンド学習モデルについて述べる。そこで我々は,2レベル最適化とDecDTWと呼ばれる深層宣言ネットワークに基づくDTW層を提案する。この特性は、下流損失関数が最適アライメントパス自身で定義されるアプリケーションに特に有用であることを示す。
論文参考訳（メタデータ） (2023-03-19T21:58:37Z)
Iterative pseudo-forced alignment by acoustic CTC loss for self-supervised ASR domain adaptation [80.12316877964558]
特定のドメインからの高品質なデータラベリングはコストと人的時間を要する。本稿では,反復的擬力アライメントアルゴリズムに基づく自己教師付きドメイン適応手法を提案する。
論文参考訳（メタデータ） (2022-10-27T07:23:08Z)
Towards Context-Aware Neural Performance-Score Synchronisation [2.0305676256390934]
音楽の同期は、音楽の複数の表現を統一的にナビゲートする手段を提供する。従来の同期手法は知識駆動と性能分析のアプローチを用いてアライメントを計算する。このPhDは、データ駆動型コンテクスト対応アライメントアプローチの提案により、パフォーマンススコア同期の研究をさらに進める。
論文参考訳（メタデータ） (2022-05-31T16:45:25Z)
A Convolutional-Attentional Neural Framework for Structure-Aware Performance-Score Synchronization [12.951369232106178]
性能スコア同期は信号処理において重要なタスクである。従来の同期手法は知識駆動アプローチを用いてアライメントを計算する。構造スコア同期のための新しいデータ駆動方式を提案する。
論文参考訳（メタデータ） (2022-04-19T11:41:21Z)
Learning Frame Similarity using Siamese networks for Audio-to-Score Alignment [13.269759433551478]
そこで本稿では,学習フレームの類似性を利用して音声とスコアのアライメントの制限を克服する手法を提案する。ピアノ音楽のオフラインオーディオ・スコアアライメントに焦点を当てる。
論文参考訳（メタデータ） (2020-11-15T14:58:03Z)
Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
論文参考訳（メタデータ） (2020-04-30T23:56:05Z)

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。