Fugu-MT 論文翻訳(概要): Deep Composer Classification Using Symbolic Representation

論文の概要: Deep Composer Classification Using Symbolic Representation

arxiv url: http://arxiv.org/abs/2010.00823v2
Date: Mon, 26 Oct 2020 14:03:26 GMT
ステータス: 処理完了
システム内更新日: 2022-10-12 02:42:53.189969
Title: Deep Composer Classification Using Symbolic Representation
Title（参考訳）: 記号表現を用いたDeep Composer分類
Authors: Sunghyeon Kim, Hyeyoon Lee, Sunjong Park, Jinho Lee, Keunwoo Choi
Abstract要約: 本研究では,シンボリックドメイン上で作曲家を分類するために,ディープニューラルネットワークを訓練する。このモデルでは、2チャンネルの2次元入力をMIDIレコードから変換し、シングルラベルの分類を行う。 MAESTROデータセットで行った実験では、13種類の作曲家を分類するためにF1値0.8333を報告した。
参考スコア（独自算出の注目度）: 6.656753488329095
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this study, we train deep neural networks to classify composer on a symbolic domain. The model takes a two-channel two-dimensional input, i.e., onset and note activations of time-pitch representation, which is converted from MIDI recordings and performs a single-label classification. On the experiments conducted on MAESTRO dataset, we report an F1 value of 0.8333 for the classification of 13~classical composers.
Abstract（参考訳）: 本研究では,深層ニューラルネットワークを訓練し,シンボリックドメイン上で作曲家を分類する。このモデルは2チャンネルの2次元入力、すなわちmidi記録から変換されシングルラベル分類を行うタイムピッチ表現のオンセットとノートのアクティベーションを取る。 MAESTROデータセットで行った実験では、13名のクラシック作曲家を分類するためにF1値0.8333を報告した。

関連論文リスト

Arabic Music Classification and Generation using Deep Learning [1.4721222689583375]
本稿では,古典・新エジプト音楽の作曲家による分類と類似音楽の生成のための機械学習手法を提案する。提案システムは,畳み込みニューラルネットワーク(CNN)を分類に用い,CNNオートエンコーダを生成に用いた。 81.4%の精度で作曲者による楽曲の分類を行い,提案手法の有効性を実証した。
論文参考訳（メタデータ） (2024-10-25T17:47:08Z)
Music Genre Classification using Large Language Models [50.750620612351284]
本稿では,音楽ジャンル分類のための事前学習された大規模言語モデル(LLM)のゼロショット機能を利用する。提案手法は、音声信号を20ミリ秒のチャンクに分割し、畳み込み特徴エンコーダで処理する。推論中、個々のチャンクの予測は最終ジャンル分類のために集約される。
論文参考訳（メタデータ） (2024-10-10T19:17:56Z)
Toward a More Complete OMR Solution [49.74172035862698]
光音楽認識は、音楽の表記をデジタル形式に変換することを目的としている。 OMRに取り組む1つのアプローチは、画像内の視覚音楽の表記要素を最初に検出するマルチステージパイプラインである。 YOLOv8に基づく音楽オブジェクト検出器を導入し,検出性能を向上する。第2に、検出出力に基づいて記法組立段階を完了する教師付きトレーニングパイプラインを導入する。
論文参考訳（メタデータ） (2024-08-31T01:09:12Z)
Optical Music Recognition in Manuscripts from the Ricordi Archive [6.274767633959002]
リコルディのアーカイブは、ドニゼッティ、ヴェルディ、プッチーニといった著名なオペラ作曲家の著名な音楽写本のコレクションであり、デジタル化されている。我々は,ノート,ステーブ,クリーフ,消去,作曲家の注釈など,写本に描かれた様々な音楽要素を表すサンプルを自動的に抽出した。我々は、識別された音楽要素を区別するために、複数のニューラルネットワークベースの分類器を訓練した。
論文参考訳（メタデータ） (2024-08-14T09:29:11Z)
Learning Hierarchical Metrical Structure Beyond Measures [3.7294116330265394]
階層構造アノテーションは、音楽情報検索とコンピュータ音楽学に役立つ。スコアから階層的メートル法構造を自動的に抽出するデータ駆動手法を提案する。提案手法は,異なるオーケストレーション環境下でのルールベースアプローチよりも優れた性能を示す。
論文参考訳（メタデータ） (2022-09-21T11:08:52Z)
Symphony Generation with Permutation Invariant Language Model [57.75739773758614]
変分不変言語モデルに基づくシンフォニーネットという記号的シンフォニー音楽生成ソリューションを提案する。シンフォニートークンの超長いシーケンスをモデル化するためのバックボーンとして、新しいトランスフォーマーデコーダアーキテクチャが導入された。実験結果から,提案手法は人間の構成と比べ,コヒーレント,新規,複雑,調和的な交響曲を生成できることが示唆された。
論文参考訳（メタデータ） (2022-05-10T13:08:49Z)
BERT-like Pre-training for Symbolic Piano Music Classification Tasks [15.02723006489356]
本稿では,BERT (Bidirectional Representations from Transformers) を用いたシンボリックピアノ音楽分類のベンチマーク研究について述べる。 BERT手法を用いて2つの12層トランスフォーマーモデルを事前訓練し、4つの下流分類タスクでそれらを微調整する。評価の結果,BERTアプローチはリカレントニューラルネットワーク(RNN)ベースラインよりも高い分類精度が得られた。
論文参考訳（メタデータ） (2021-07-12T07:03:57Z)
Sequence Generation using Deep Recurrent Networks and Embeddings: A study case in music [69.2737664640826]
本稿では,異なる種類の記憶機構(メモリセル)について評価し,音楽合成分野におけるその性能について検討する。提案したアーキテクチャの性能を自動評価するために,定量的な測定値のセットが提示される。
論文参考訳（メタデータ） (2020-12-02T14:19:19Z)
Large-Scale MIDI-based Composer Classification [13.815200249190529]
広義MIDIピアノを用いたMIDIに基づく大規模楽曲分類システムを提案する。我々は、最大100人の作曲家による作曲家の分類問題を調査した最初の人物である。本システムでは,0.648と0.385の10コンポーザと100コンポーザの分類精度を実現する。
論文参考訳（メタデータ） (2020-10-28T08:07:55Z)
Score-informed Networks for Music Performance Assessment [64.12728872707446]
MPAモデルにスコア情報を組み込んだディープニューラルネットワークに基づく手法はまだ研究されていない。スコアインフォームド性能評価が可能な3つのモデルを提案する。
論文参考訳（メタデータ） (2020-08-01T07:46:24Z)
dMelodies: A Music Dataset for Disentanglement Learning [70.90415511736089]
我々は、研究者が様々な領域でアルゴリズムの有効性を実証するのに役立つ新しいシンボリック・ミュージック・データセットを提案する。これはまた、音楽用に特別に設計されたアルゴリズムを評価する手段を提供する。データセットは、遠絡学習のためのディープネットワークのトレーニングとテストに十分な大きさ(約13万データポイント)である。
論文参考訳（メタデータ） (2020-07-29T19:20:07Z)

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。