論文の概要: BeatNet: CRNN and Particle Filtering for Online Joint Beat Downbeat and Meter Tracking

• arxiv url: http://arxiv.org/abs/2108.03576v1
• Date: Sun, 8 Aug 2021 06:07:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-11 07:36:42.069078
• Title: BeatNet: CRNN and Particle Filtering for Online Joint Beat Downbeat and Meter Tracking
• Title（参考訳）: BeatNet:オンラインビートダウンビートとメータトラッキングのためのCRNNとパーティクルフィルタ
• Authors: Mojtaba Heydari, Frank Cwitkowitz, Zhiyao Duan
• Abstract要約: 我々は、因果的畳み込みと反復的な層を利用する、関節ビート、ダウンビート、メータートラッキングのためのオンラインシステムを導入する。 提案システムでは、ダウンビートトラッキングを行うために、タイムシグネチャを付ける必要はなく、代わりにメーターを推定し、時間とともに予測を調整することができる。 トレーニング中に目に見えないGTZANデータセットの実験によると、システムは様々なオンラインビートやダウンビートトラッキングシステムより優れている。
• 参考スコア（独自算出の注目度）: 21.352141245632247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The online estimation of rhythmic information, such as beat positions, downbeat positions, and meter, is critical for many real-time music applications. Musical rhythm comprises complex hierarchical relationships across time, rendering its analysis intrinsically challenging and at times subjective. Furthermore, systems which attempt to estimate rhythmic information in real-time must be causal and must produce estimates quickly and efficiently. In this work, we introduce an online system for joint beat, downbeat, and meter tracking, which utilizes causal convolutional and recurrent layers, followed by a pair of sequential Monte Carlo particle filters applied during inference. The proposed system does not need to be primed with a time signature in order to perform downbeat tracking, and is instead able to estimate meter and adjust the predictions over time. Additionally, we propose an information gate strategy to significantly decrease the computational cost of particle filtering during the inference step, making the system much faster than previous sampling-based methods. Experiments on the GTZAN dataset, which is unseen during training, show that the system outperforms various online beat and downbeat tracking systems and achieves comparable performance to a baseline offline joint method.
• Abstract（参考訳）: ビート位置、ダウンビート位置、メーターなどのリズム情報のオンライン推定は、多くのリアルタイム音楽アプリケーションにとって重要である。 音楽のリズムは、時間にまたがる複雑な階層的な関係を含み、その分析は本質的に挑戦的で、時には主観的である。 さらに、リアルタイムにリズム情報を推定しようとするシステムは因果的であり、迅速かつ効率的に見積もりを生成する必要がある。 本研究では、因果的畳み込み層と再帰的な層を利用した、関節ビート、ダウンビート、メータトラッキングのためのオンラインシステムを導入し、続いて推論中に適用された2つの連続モンテカルロ粒子フィルタを提案する。 提案システムでは、ダウンビートトラッキングを行うために、タイムシグネチャを付ける必要はなく、代わりにメーターを推定し、時間とともに予測を調整することができる。 さらに,提案手法では,従来のサンプリング方式よりも高速に粒子フィルタリングの計算コストを大幅に削減する情報ゲート戦略を提案する。 トレーニング中のGTZANデータセットの実験では、システムは様々なオンラインビートやダウンビートトラッキングシステムより優れており、ベースラインのオフラインジョイントメソッドと同等のパフォーマンスを実現している。

関連論文リスト

• Generalization bounds for mixing processes via delayed online-to-PAC conversions [9.763215134790478]
  統計的学習アルゴリズムの一般化誤差を非i.d.設定で検討する。 我々は,遅延フィードバックによるオンライン学習の削減に基づく,このシナリオの分析フレームワークを開発した。
  論文  参考訳（メタデータ） (2024-06-18T13:31:15Z)
• TraceMesh: Scalable and Streaming Sampling for Distributed Traces [51.08892669409318]
  TraceMeshは、分散トレースのためのスケーラブルでストリーミングなサンプリングツールである。 以前は見つからなかったトレース機能を、統一的で合理化された方法で扱える。 TraceMeshは、サンプリング精度と効率の両方において、最先端の手法よりも大幅に優れている。
  論文  参考訳（メタデータ） (2024-06-11T06:13:58Z)
• Autoregressive Queries for Adaptive Tracking with Spatio-TemporalTransformers [55.46413719810273]
  リッチ時間情報は、視覚追跡における複雑なターゲットの出現に不可欠である。 提案手法は,6つの一般的な追跡ベンチマークにおいてトラッカーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-03-15T02:39:26Z)
• Online Real-time Learning of Dynamical Systems from Noisy Streaming Data: A Koopman Operator Approach [0.0]
  ノイズの多い時系列データから動的システムのオンラインリアルタイム学習のための新しいアルゴリズムを提案する。 提案アルゴリズムはロバスト・クープマン演算子を用いて測定ノイズの影響を緩和する。
  論文  参考訳（メタデータ） (2022-12-10T10:21:45Z)
• Better than the Best: Gradient-based Improper Reinforcement Learning for Network Scheduling [60.48359567964899]
  パケット遅延を最小限に抑えるため,制約付き待ち行列ネットワークにおけるスケジューリングの問題を考える。 我々は、利用可能な原子ポリシーよりも優れたスケジューラを生成するポリシー勾配に基づく強化学習アルゴリズムを使用する。
  論文  参考訳（メタデータ） (2021-05-01T10:18:34Z)
• Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
  本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。 実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。 提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
  論文  参考訳（メタデータ） (2020-08-09T10:22:52Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)
• Towards Streaming Perception [70.68520310095155]
  本稿では、リアルタイムオンライン知覚のための単一のメトリクスにレイテンシと精度を協調的に統合するアプローチを提案する。 この指標の背後にある重要な洞察は、瞬間ごとに認識スタック全体の出力を共同で評価することである。 本稿では,都市ビデオストリームにおけるオブジェクト検出とインスタンスセグメンテーションの具体的タスクに注目し,高品質で時間依存的なアノテーションを備えた新しいデータセットを寄贈する。
  論文  参考訳（メタデータ） (2020-05-21T01:51:35Z)
• Tracking Performance of Online Stochastic Learners [57.14673504239551]
  オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。 一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。 定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
  論文  参考訳（メタデータ） (2020-04-04T14:16:27Z)
• Good Feature Matching: Towards Accurate, Robust VO/VSLAM with Low Latency [23.443265839365054]
  最先端VO/VSLAMシステムの解析は、性能(正確性と堅牢性)と効率(レイテンシ)のバランスのギャップを露呈する 本稿では,特徴量に基づくVSLAMの適用により,性能と効率のギャップを埋めることを目的としている。
  論文  参考訳（メタデータ） (2020-01-03T03:50:54Z)

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。