論文の概要: Hierarchical Recurrent Neural Networks for Conditional Melody Generation
with Long-term Structure
- arxiv url: http://arxiv.org/abs/2102.09794v1
- Date: Fri, 19 Feb 2021 08:22:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-22 13:17:30.343103
- Title: Hierarchical Recurrent Neural Networks for Conditional Melody Generation
with Long-term Structure
- Title（参考訳）: 長期構造を有する条件付きメロディ生成のための階層的リカレントニューラルネットワーク
- Authors: Zixun Guo, Makris Dimos and Herremans Dorien
- Abstract要約: 階層型リカレントニューラルネットワークを用いた条件付きメロディ生成モデルを提案する。
このモデルは、与えられたコード伴奏に基づいて長期構造を持つメロディーを生成する。
聴取試験の結果,CM-HRNNは長期的構造と総合評価においてアテンションRNNよりも優れていた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The rise of deep learning technologies has quickly advanced many fields,
including that of generative music systems. There exist a number of systems
that allow for the generation of good sounding short snippets, yet, these
generated snippets often lack an overarching, longer-term structure. In this
work, we propose CM-HRNN: a conditional melody generation model based on a
hierarchical recurrent neural network. This model allows us to generate
melodies with long-term structures based on given chord accompaniments. We also
propose a novel, concise event-based representation to encode musical lead
sheets while retaining the notes' relative position within the bar with respect
to the musical meter. With this new data representation, the proposed
architecture can simultaneously model the rhythmic, as well as the pitch
structures in an effective way. Melodies generated by the proposed model were
extensively evaluated in quantitative experiments as well as a user study to
ensure the musical quality of the output as well as to evaluate if they contain
repeating patterns. We also compared the system with the state-of-the-art
AttentionRNN. This comparison shows that melodies generated by CM-HRNN contain
more repeated patterns (i.e., higher compression ratio) and a lower tonal
tension (i.e., more tonally concise). Results from our listening test indicate
that CM-HRNN outperforms AttentionRNN in terms of long-term structure and
overall rating.
- Abstract（参考訳）: ディープラーニング技術の台頭は、生成的音楽システムを含む多くの分野を急速に発展させてきた。
良質な短いスニペットを生成できるシステムもいくつか存在するが、これらのスニペットは概して長い構造を欠いていることが多い。
本研究では,階層的リカレントニューラルネットワークに基づく条件付きメロディ生成モデルCM-HRNNを提案する。
このモデルにより、与えられた和音伴奏に基づいて、長期構造を持つ旋律を生成することができる。
また,楽譜のリードシートを符号化し,楽譜の相対的な位置をバー内に保持する,新しい,簡潔なイベントベース表現を提案する。
この新しいデータ表現により、提案されたアーキテクチャはリズムとピッチ構造を同時に効果的にモデル化することができる。
提案モデルが生成するメロディーは, 量的実験およびユーザスタディで広く評価され, 出力の音楽的品質を確保し, 繰り返しパターンを含むかどうかを評価した。
また,このシステムを最先端のアテンションRNNと比較した。
CM-HRNNが生成するメロディは、より繰り返しパターン(すなわち、高い圧縮比)と低い音節張力(すなわち、より音節の簡潔さ)を含むことを示す。
聴取試験の結果,CM-HRNNは長期的構造と総合評価においてアテンションRNNよりも優れていた。
関連論文リスト
- How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳（メタデータ） (2023-06-04T08:53:27Z) - 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) - Generating Lead Sheets with Affect: A Novel Conditional seq2seq
Framework [3.029434408969759]
本稿では,リードシート内のコード進行の正負性や負性性を計算するための新しい手法を提案する。
私たちのアプローチは、シーケンス・トゥ・シークエンスアーキテクチャのエンコーダ部分に高レベルの条件を含むため、ニューラルネットワーク翻訳(NMT)問題に似ています。
提案された戦略は、制御可能な方法でリードシートを生成することができ、トレーニングデータセットのそれに似た音楽属性の分布をもたらす。
論文 参考訳（メタデータ） (2021-04-27T09:04:21Z) - 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) - 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) - Multi-Tones' Phase Coding (MTPC) of Interaural Time Difference by
Spiking Neural Network [68.43026108936029]
雑音の多い実環境下での正確な音像定位のための純粋スパイクニューラルネットワーク(SNN)に基づく計算モデルを提案する。
このアルゴリズムを,マイクロホンアレイを用いたリアルタイムロボットシステムに実装する。
実験の結果, 平均誤差方位は13度であり, 音源定位に対する他の生物学的に妥当なニューロモルフィックアプローチの精度を上回っていることがわかった。
論文 参考訳（メタデータ） (2020-07-07T08:22:56Z) - Incremental Training of a Recurrent Neural Network Exploiting a
Multi-Scale Dynamic Memory [79.42778415729475]
本稿では,マルチスケール学習を対象とする,漸進的に訓練された再帰的アーキテクチャを提案する。
隠れた状態を異なるモジュールに分割することで、シンプルなRNNのアーキテクチャを拡張する方法を示す。
新しいモジュールがモデルに反復的に追加され、徐々に長い依存関係を学習するトレーニングアルゴリズムについて議論する。
論文 参考訳（メタデータ） (2020-06-29T08:35:49Z) - Unconditional Audio Generation with Generative Adversarial Networks and
Cycle Regularization [48.55126268721948]
本稿では,歌声のメル-スペクトログラムの無条件生成のためのGANモデルを提案する。
我々は、時間次元のいくつかの構造を誘導するために、ジェネレータに階層的アーキテクチャーを用いる。
歌声生成だけでなく,歌声生成のための新モデルの性能評価を行った。
論文 参考訳（メタデータ） (2020-05-18T08:35:16Z) - Music Generation with Temporal Structure Augmentation [0.0]
提案手法は,歌の結末をカウントダウンしたコネクショニスト生成モデルと,余分な入力特徴としてメーターマーカーを付加する。
LSTMセルを持つRNNアーキテクチャは、教師付きシーケンス学習設定でノッティンガムフォークミュージックデータセットに基づいて訓練される。
実験では、両方のアノテーションの予測性能が改善された。
論文 参考訳（メタデータ） (2020-04-21T19:19:58Z) - Continuous Melody Generation via Disentangled Short-Term Representations
and Structural Conditions [14.786601824794369]
ユーザが指定したシンボリックシナリオと過去の音楽コンテキストを組み合わせることで,メロディーを構成するモデルを提案する。
本モデルでは,8拍子の音符列を基本単位として長い旋律を生成でき,一貫したリズムパターン構造を他の特定の歌と共有することができる。
その結果,本モデルが生成する音楽は,顕著な繰り返し構造,豊かな動機,安定したリズムパターンを有する傾向が示唆された。
論文 参考訳（メタデータ） (2020-02-05T06:23:44Z) - Modeling Musical Structure with Artificial Neural Networks [0.0]
音楽構造モデリングのさまざまな側面に対する人工知能の適用について検討する。
Gated Autoencoder(GAE)というコネクショナリストモデルを用いて,楽曲の断片間の変換を学習する方法を示す。
本稿では,ポリフォニック・ミュージックを区間の連続として表現するGAEの特別な予測訓練を提案する。
論文 参考訳（メタデータ） (2020-01-06T18:35:57Z)
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。