論文の概要: A novel dataset for the identification of computer generated melodies in the CSMT challenge

• arxiv url: http://arxiv.org/abs/2012.03646v2
• Date: Tue, 15 Dec 2020 14:38:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-20 09:25:36.005656
• Title: A novel dataset for the identification of computer generated melodies in the CSMT challenge
• Title（参考訳）: CSMTチャレンジにおけるコンピュータ生成メロディ識別のための新しいデータセット
• Authors: Shengchen Li and Yinji Jing and Georgy Fazekas
• Abstract要約: csmtデータチャレンジでは、参加者は与えられたメロディがコンピュータによって生成されたか、あるいは人間が構成しているかを特定する必要がある。 データセットは、開発データセットと評価データセットの2つの部分で構成されます。 このデータセットの目的は、生成されたメロディの特徴を学習することで、コンピュータが生成したメロディを区別できるかどうかを調べることである。
• 参考スコア（独自算出の注目度）: 4.350783459690612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, the dataset used for the data challenge organised by Conference on Sound and Music Technology (CSMT) is introduced. The CSMT data challenge requires participants to identify whether a given piece of melody is generated by computer or is composed by human. The dataset is formed by two parts: development dataset and evaluation dataset. The development dataset contains only computer generated melodies whereas the evaluation dataset contain both computer generated melodies and human composed melodies. The aim of the dataset is to examine whether it is possible to distinguish computer generated melodies by learning the feature of generated melodies.
• Abstract（参考訳）: 本稿では,CSMT(Conference on Sound and Music Technology)が主催するデータチャレンジのためのデータセットを紹介する。 csmtデータチャレンジでは、参加者は与えられたメロディがコンピュータによって生成されたか、あるいは人間が構成しているかを特定する必要がある。 データセットは、開発データセットと評価データセットの2つの部分で構成されている。 開発データセットは、コンピュータ生成メロディのみを含むが、評価データセットは、コンピュータ生成メロディと人間の合成メロディの両方を含む。 このデータセットの目的は、生成されたメロディの特徴を学習することで、コンピュータが生成したメロディを区別できるかどうかを調べることである。

関連論文リスト

• MidiCaps: A large-scale MIDI dataset with text captions [6.806050368211496]
  本研究の目的は,LLMとシンボリック音楽を組み合わせることで,テキストキャプションを付加した最初の大規模MIDIデータセットを提示することである。 近年のキャプション技術の発展に触発されて,テキスト記述付き168kのMIDIファイルをキュレートしたデータセットを提示する。
  論文  参考訳（メタデータ） (2024-06-04T12:21:55Z)
• Naturalistic Music Decoding from EEG Data via Latent Diffusion Models [14.882764251306094]
  本研究は,非侵襲的脳波データを用いて,高品質な音楽再生を実現するための最初の試みである。 我々は、パブリックなNMED-Tデータセットでモデルをトレーニングし、ニューラルネットワークベースのメトリクスを提案する定量的評価を行う。
  論文  参考訳（メタデータ） (2024-05-15T03:26:01Z)
• jazznet: A Dataset of Fundamental Piano Patterns for Music Audio Machine Learning Research [2.9697051524971743]
  ジャズネットデータセットには、コード、アルペジオ、スケール、コード進行を含む162520のラベル付きピアノパターンが含まれている。 論文では、データセットの構成、生成、生成を説明し、オープンソースのパターンジェネレータを提示する。 このデータセットは、畳み込みリカレントニューラルネットワーク(CRNN)とディープ畳み込みニューラルネットワークを用いて、研究者がMIRタスクに挑戦するための新しいモデルをベンチマークするのに役立つことを実証する。
  論文  参考訳（メタデータ） (2023-02-17T00:13:22Z)
• Information Extraction and Human-Robot Dialogue towards Real-life Tasks: A Baseline Study with the MobileCS Dataset [52.22314870976088]
  SereTODチャレンジは、実際のユーザとChina Mobileのカスタマーサービススタッフの実際のダイアログ書き起こしで構成されるMobileCSデータセットを編成してリリースする。 MobileCSデータセットに基づいて、SereTODチャレンジには2つのタスクがあり、対話システム自体の構築を評価するだけでなく、ダイアログの書き起こしからの情報も抽出する。 本稿では主に,MobileCSデータセットを用いた2つのタスクのベースラインスタディを示す。
  論文  参考訳（メタデータ） (2022-09-27T15:30:43Z)
• Re-creation of Creations: A New Paradigm for Lyric-to-Melody Generation [158.54649047794794]
  Re-creation of Creations (ROC)は、歌詞からメロディ生成のための新しいパラダイムである。 ROCは、Lyric-to-Meody生成において、優れたLyric-Meody特徴アライメントを実現する。
  論文  参考訳（メタデータ） (2022-08-11T08:44:47Z)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)
• SongMASS: Automatic Song Writing with Pre-training and Alignment Constraint [54.012194728496155]
  SongMASSは、歌詞からメロディーへの生成とメロディから歌詞への生成の課題を克服するために提案されている。 マスクドシーケンスを利用して、シーケンス(質量)事前トレーニングと注意に基づくアライメントモデリングを行う。 我々は,SongMASSがベースライン法よりもはるかに高品質な歌詞とメロディを生成することを示す。
  論文  参考訳（メタデータ） (2020-12-09T16:56:59Z)
• A Transformer Based Pitch Sequence Autoencoder with MIDI Augmentation [0.0]
  本研究の目的は,MIDIクリップが自動生成仮説に基づいて構成される可能性を示すモデルを得ることである。 実験結果は、CSMT(2020)のデータチャレンジにおける7ドルチームの中で、私たちのモデルが3位にランクされていることを示している。
  論文  参考訳（メタデータ） (2020-10-15T13:59:58Z)
• 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)
• 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。