論文の概要: Bi-Sampling Approach to Classify Music Mood leveraging Raga-Rasa Association in Indian Classical Music

• arxiv url: http://arxiv.org/abs/2203.06583v1
• Date: Sun, 13 Mar 2022 06:12:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-16 10:19:58.840597
• Title: Bi-Sampling Approach to Classify Music Mood leveraging Raga-Rasa Association in Indian Classical Music
• Title（参考訳）: ラガ・ラサ・アソシエーションを利用したインド古典音楽におけるバイサンプリング手法
• Authors: Mohan Rao B C, Vinayak Arkachaari, Harsha M N, Sushmitha M N, Gayathri Ramesh K K, Ullas M S, Pathi Mohan Rao, Sudha G, Narayana Darapaneni
• Abstract要約: インド古典音楽では、ラガ(Ragas)は音楽の様々なスタイルと形式を定義するメロディックな構造である。 本稿では,インド古典音楽におけるラガ・ラサ・アソシエーションを活用した新しい枠組みについて検討する。 インテリジェントな分類器を構築し、ユーザの現在の気分と彼らが望む気分に基づいて、音楽レコメンデーションシステムに応用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The impact of Music on the mood or emotion of the listener is a well-researched area in human psychology and behavioral science. In Indian classical music, ragas are the melodic structure that defines the various styles and forms of the music. Each raga has been found to evoke a specific emotion in the listener. With the advent of advanced capabilities of audio signal processing and the application of machine learning, the demand for intelligent music classifiers and recommenders has received increased attention, especially in the 'Music as a service' cloud applications. This paper explores a novel framework to leverage the raga-rasa association in Indian classical Music to build an intelligent classifier and its application in music recommendation system based on user's current mood and the mood they aspire to be in.
• Abstract（参考訳）: 音楽が聞き手の気分や感情に与える影響は、人間の心理学や行動科学においてよく研究されている分野である。 インド古典音楽では、ラガ(Ragas)は音楽の様々なスタイルと形式を定義する旋律構造である。 それぞれのラガは、リスナーの特定の感情を誘発することを発見した。 音声信号処理の高度な能力の出現と機械学習の応用により、インテリジェントな音楽分類器やレコメンダの需要は、特に'music as a service'クラウドアプリケーションにおいて、注目を集めている。 本稿では,インドの古典音楽におけるraga-rasaアソシエーションを活用し,ユーザの現在の気分や気分に基づいて,インテリジェントな分類器とその音楽推薦システムへの応用について検討する。

関連論文リスト

• Exploring the Emotional Landscape of Music: An Analysis of Valence Trends and Genre Variations in Spotify Music Data [0.0]
  本稿ではSpotifyの音楽データを用いた音楽感情と傾向の複雑な分析を行う。 回帰モデル、時間分析、気分遷移、ジャンル調査を応用し、音楽と感情の関係のパターンを明らかにする。
  論文  参考訳（メタデータ） (2023-10-29T15:57:31Z)
• AffectMachine-Classical: A novel system for generating affective classical music [0.0]
  AffectMachine-Classicalは、感情的なクラシック音楽をリアルタイムで生成できる。 聴取者に対してターゲット感情を確実に伝達するシステムの有効性を検証するために,聴取者実験を行った。 今後は、AffectMachine-Classicalをバイオフィードバックシステムに組み込んで、リスナーの感情的幸福のために感情的な音楽の効果を活用する予定だ。
  論文  参考訳（メタデータ） (2023-04-11T01:06:26Z)
• A Dataset for Greek Traditional and Folk Music: Lyra [69.07390994897443]
  本稿では,80時間程度で要約された1570曲を含むギリシャの伝統音楽と民俗音楽のデータセットについて述べる。 このデータセットにはYouTubeのタイムスタンプ付きリンクが組み込まれており、オーディオやビデオの検索や、インスツルメンテーション、地理、ジャンルに関する豊富なメタデータ情報が含まれている。
  論文  参考訳（メタデータ） (2022-11-21T14:15:43Z)
• Affective Idiosyncratic Responses to Music [63.969810774018775]
  本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。 我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
  論文  参考訳（メタデータ） (2022-10-17T19:57:46Z)
• Expressive Communication: A Common Framework for Evaluating Developments in Generative Models and Steering Interfaces [1.2891210250935146]
  本研究では,モデルとユーザインタフェースの両面における開発が,共同創造の促進にいかに重要であるかを検討する。 作曲者26人が100曲以上を作曲し、聴取者が1000曲以上を頭と頭で比較した結果、より表現力のあるモデルとよりステアブルなインターフェースが重要であることが判明した。
  論文  参考訳（メタデータ） (2021-11-29T20:57:55Z)
• MusicBERT: Symbolic Music Understanding with Large-Scale Pre-Training [97.91071692716406]
  シンボリック・ミュージックの理解(シンボリック・ミュージックの理解)とは、シンボリック・データから音楽を理解することを指す。 MusicBERTは、音楽理解のための大規模な事前訓練モデルである。
  論文  参考訳（メタデータ） (2021-06-10T10:13:05Z)
• Musical Prosody-Driven Emotion Classification: Interpreting Vocalists Portrayal of Emotions Through Machine Learning [0.0]
  音楽の韻律の役割は、いくつかの研究が韻律と感情の強い結びつきを示しているにもかかわらず、まだ解明されていない。 本研究では,従来の機械学習アルゴリズムの入力を音楽韻律の特徴に限定する。 我々は,ボーカリストの個人データ収集手法と,アーティスト自身による個人的根拠的真理ラベル付け手法を利用する。
  論文  参考訳（メタデータ） (2021-06-04T15:40:19Z)
• Adaptive music: Automated music composition and distribution [0.0]
  進化探索に基づくアルゴリズム合成法であるメロミクスを提案する。 このシステムは、様々な種類の音楽を作るために、高い創造力と汎用性を示してきた。 これはまた、全く新しい応用のセットの出現を可能にした。
  論文  参考訳（メタデータ） (2020-07-25T09:38:06Z)
• Artificial Musical Intelligence: A Survey [51.477064918121336]
  音楽は、機械学習と人工知能研究の領域としてますます広まりつつある。 この記事では、音楽知能の定義を提供し、その構成成分の分類を導入し、その追求に耐えうる幅広いAI手法を調査します。
  論文  参考訳（メタデータ） (2020-06-17T04:46:32Z)
• Music Gesture for Visual Sound Separation [121.36275456396075]
  ミュージック・ジェスチャ(Music Gesture)は、音楽演奏時の演奏者の身体と指の動きを明示的にモデル化するキーポイントに基づく構造化表現である。 まず、コンテキスト対応グラフネットワークを用いて、視覚的コンテキストと身体力学を統合し、その後、身体の動きと対応する音声信号とを関連付けるために、音声-視覚融合モデルを適用する。
  論文  参考訳（メタデータ） (2020-04-20T17:53:46Z)
• Multi-Modal Music Information Retrieval: Augmenting Audio-Analysis with Visual Computing for Improved Music Video Analysis [91.3755431537592]
  この論文は、音声分析とコンピュータビジョンを組み合わせて、マルチモーダルの観点から音楽情報検索(MIR)タスクにアプローチする。 本研究の主な仮説は、ジャンルやテーマなど特定の表現的カテゴリーを視覚的内容のみに基づいて認識できるという観察に基づいている。 実験は、3つのMIRタスクに対して行われ、アーティスト識別、音楽ジェネア分類、クロスジェネア分類を行う。
  論文  参考訳（メタデータ） (2020-02-01T17:57:14Z)

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。