論文の概要: Contrastive Learning with Positive-Negative Frame Mask for Music Representation

• arxiv url: http://arxiv.org/abs/2203.09129v1
• Date: Thu, 17 Mar 2022 07:11:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-19 03:16:43.620338
• Title: Contrastive Learning with Positive-Negative Frame Mask for Music Representation
• Title（参考訳）: 音楽表現のための正負フレームマスクを用いたコントラスト学習
• Authors: Dong Yao, Zhou Zhao, Shengyu Zhang, Jieming Zhu, Yudong Zhu, Rui Zhang, Xiuqiang He
• Abstract要約: 本稿では,PEMRと略記したコントラッシブラーニングフレームワークに基づく,音楽表現のための正負負のフレームマスクを提案する。 我々は,同じ音楽からサンプリングした自己増強陽性/陰性の両方に対応するために,新しいコントラスト学習目標を考案した。
• 参考スコア（独自算出の注目度）: 91.44187939465948
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-supervised learning, especially contrastive learning, has made an outstanding contribution to the development of many deep learning research fields. Recently, researchers in the acoustic signal processing field noticed its success and leveraged contrastive learning for better music representation. Typically, existing approaches maximize the similarity between two distorted audio segments sampled from the same music. In other words, they ensure a semantic agreement at the music level. However, those coarse-grained methods neglect some inessential or noisy elements at the frame level, which may be detrimental to the model to learn the effective representation of music. Towards this end, this paper proposes a novel Positive-nEgative frame mask for Music Representation based on the contrastive learning framework, abbreviated as PEMR. Concretely, PEMR incorporates a Positive-Negative Mask Generation module, which leverages transformer blocks to generate frame masks on the Log-Mel spectrogram. We can generate self-augmented negative and positive samples by masking important components or inessential components, respectively. We devise a novel contrastive learning objective to accommodate both self-augmented positives/negatives sampled from the same music. We conduct experiments on four public datasets. The experimental results of two music-related downstream tasks, music classification, and cover song identification, demonstrate the generalization ability and transferability of music representation learned by PEMR.
• Abstract（参考訳）: 自己監督学習、特に対照学習は、多くのディープラーニング研究分野の発展に顕著な貢献をした。 近年,音響信号処理分野の研究者がその成功に気付き,コントラスト学習を活用してより良い音楽表現を実現している。 通常、既存のアプローチは、同じ音楽からサンプリングされた2つの歪んだオーディオセグメント間の類似性を最大化する。 言い換えれば、彼らは音楽レベルで意味的合意を保証します。 しかし,これらの粗い手法は,音楽の効果的な表現を学習するためのモデルに有害な,フレームレベルでの刺激的要素やノイズ的要素を無視する。 そこで本研究では,PEMRと略記したコントラスト学習フレームワークに基づく,音楽表現のための正負負のフレームマスクを提案する。 具体的には、pemrには正負のマスク生成モジュールが組み込まれており、トランスフォーマーブロックを利用してログメル分光器でフレームマスクを生成する。 重要成分や感情成分をマスキングすることで,自己増悪と正のサンプルを生成することができる。 我々は,同じ音楽からサンプリングした自己増強陽性/陰性の両方に対応するために,新しいコントラスト学習目標を考案した。 4つの公開データセットで実験を行う。 PEMRで学習した音楽表現の一般化能力と伝達性を示す2つのダウンストリームタスク,音楽分類,カバーソング識別の実験結果について検討した。

関連論文リスト

• Semi-Supervised Self-Learning Enhanced Music Emotion Recognition [6.315220462630698]
  音楽感情認識(MER)は、ある楽曲で伝達される感情を特定することを目的としている。 現在利用可能な公開データセットは、サンプルサイズが制限されている。 本稿では,正誤ラベル付きサンプルを自己学習方式で識別する半教師付き自己学習法を提案する。
  論文  参考訳（メタデータ） (2024-10-29T09:42:07Z)
• MeLFusion: Synthesizing Music from Image and Language Cues using Diffusion Models [57.47799823804519]
  私たちは、ミュージシャンが映画の脚本だけでなく、視覚化を通して音楽を作る方法にインスピレーションを受けています。 本稿では,テキスト記述と対応する画像からの手がかりを効果的に利用して音楽を合成するモデルであるMeLFusionを提案する。 音楽合成パイプラインに視覚情報を加えることで、生成した音楽の質が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2024-06-07T06:38:59Z)
• Impact of time and note duration tokenizations on deep learning symbolic music modeling [0.0]
  共通トークン化手法を解析し、時間と音符の持続時間表現を実験する。 明示的な情報がタスクによってより良い結果をもたらすことを実証する。
  論文  参考訳（メタデータ） (2023-10-12T16:56:37Z)
• Towards Contrastive Learning in Music Video Domain [46.29203572184694]
  我々は、オーディオとビデオのモダリティのためのデュアルエンコーダを作成し、双方向のコントラスト損失を用いてトレーニングする。 実験では、50万曲のミュージックビデオを含む業界データセットと、公開ミリオンソングデータセットを使用します。 この結果から, コントラスト的な微調整のない事前学習ネットワークは, 両タスクで評価した場合に, コントラスト的な学習手法より優れていたことが示唆された。
  論文  参考訳（メタデータ） (2023-09-01T09:08:21Z)
• Simple and Controllable Music Generation [94.61958781346176]
  MusicGenは単一の言語モデル(LM)であり、圧縮された離散的な音楽表現、すなわちトークンの複数のストリームで動作する。 以前の作業とは異なり、MusicGenはシングルステージのトランスフォーマーLMと効率的なトークンインターリービングパターンで構成されている。
  論文  参考訳（メタデータ） (2023-06-08T15:31:05Z)
• Audio-Visual Instance Discrimination with Cross-Modal Agreement [90.95132499006498]
  本稿では,映像と音声から音声・視覚表現を学習するための自己教師型学習手法を提案する。 モーダル内識別よりも、モーダル間識別を最適化することが、ビデオやオーディオから優れた表現を学ぶ上で重要であることを示す。
  論文  参考訳（メタデータ） (2020-04-27T16:59:49Z)
• 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。