論文の概要: An Order-Complexity Model for Aesthetic Quality Assessment of Homophony Music Performance

• arxiv url: http://arxiv.org/abs/2304.11521v1
• Date: Sun, 23 Apr 2023 03:02:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-25 18:03:18.782976
• Title: An Order-Complexity Model for Aesthetic Quality Assessment of Homophony Music Performance
• Title（参考訳）: ホモフォニー演奏の美的品質評価のための順序複雑度モデル
• Authors: Xin Jin, Wu Zhou, Jinyu Wang, Duo Xu, Yiqing Rong, Jialin Sun
• Abstract要約: 主観評価は音楽美学研究の究極の方法です AIが生み出す音楽のパフォーマンスはまだ機械的であり、単調であり、美しさに欠けています。 本稿では,ビルホフの美的尺度を用いて美の客観的測定法を提案する。
• 参考スコア（独自算出の注目度）: 8.751312368054016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although computational aesthetics evaluation has made certain achievements in many fields, its research of music performance remains to be explored. At present, subjective evaluation is still a ultimate method of music aesthetics research, but it will consume a lot of human and material resources. In addition, the music performance generated by AI is still mechanical, monotonous and lacking in beauty. In order to guide the generation task of AI music performance, and to improve the performance effect of human performers, this paper uses Birkhoff's aesthetic measure to propose a method of objective measurement of beauty. The main contributions of this paper are as follows: Firstly, we put forward an objective aesthetic evaluation method to measure the music performance aesthetic; Secondly, we propose 10 basic music features and 4 aesthetic music features. Experiments show that our method performs well on performance assessment.
• Abstract（参考訳）: 計算美学評価は多くの分野で一定の成果を上げてきたが、その音楽性能の研究はいまだに検討されていない。 現在、主観評価は音楽美学研究の究極的な方法であるが、多くの人的・材料的資源を消費する。 さらに、AIが生み出す音楽のパフォーマンスはまだ機械的であり、単調であり、美しさに欠けています。 本稿では,AI音楽演奏の生成課題を導出し,人間の演奏者の演奏効果を向上させるために,美容の客観的測定法を提案するために,バーコフの美的尺度を用いた。 本論文の主な貢献は,以下のとおりである。 まず,音楽演奏の美的特徴を測定する客観的な美的評価手法を提案し,次に,基本的音楽特徴と4つの美的音楽特徴を提案する。 実験の結果,本手法は性能評価に有効であることがわかった。

関連論文リスト

• Towards Explainable and Interpretable Musical Difficulty Estimation: A Parameter-efficient Approach [49.2787113554916]
  音楽コレクションの整理には曲の難易度を推定することが重要である。 シンボリックな音楽表現の難易度推定には説明可能な記述子を用いる。 ピアノレパートリーで評価したアプローチは,平均2乗誤差(MSE)が1.7。
  論文  参考訳（メタデータ） (2024-08-01T11:23:42Z)
• 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)
• An Order-Complexity Aesthetic Assessment Model for Aesthetic-aware Music Recommendation [20.164044758068634]
  主観評価は芸術作品を評価する上で もっとも効果的な方法です 人間が作った音楽と比較すると、AIが生成した音楽は機械的、単調に聞こえるし、美的魅力がない。 ビルホフの美的尺度を用いて、美的モデルを設計し、音楽の美的美しさを客観的に測定し、音楽の美的感覚に応じてレコメンデーションリストを作成する。
  論文  参考訳（メタデータ） (2024-02-13T09:03:03Z)
• Evaluating Co-Creativity using Total Information Flow [6.3289703660543495]
  音楽におけるコ・クリエーション(co-creativity)とは、音楽の作曲や即興で相互に相互作用する2人以上の音楽家または音楽家を指す。 本研究では,事前学習した生成モデルを用いて情報フローをエントロピー推定器として計算する手法を提案する。
  論文  参考訳（メタデータ） (2024-02-09T22:15:39Z)
• MusicRL: Aligning Music Generation to Human Preferences [62.44903326718772]
  MusicRLは人間のフィードバックによって微調整された最初の音楽生成システムである。 ユーザに対してMusicLMをデプロイし,30,000対の選好からなる実質的なデータセットを収集する。 人間のフィードバックを大規模に組み込んだ最初のテキスト-音楽モデルであるMusicRL-Uを訓練する。
  論文  参考訳（メタデータ） (2024-02-06T18:36:52Z)
• A Comprehensive Survey for Evaluation Methodologies of AI-Generated Music [14.453416870193072]
  本研究の目的は,AI生成音楽を評価するための主観的,客観的,複合的な方法論を包括的に評価することである。 究極的には、音楽評価分野における生成的AIの統合のための貴重な参考資料を提供する。
  論文  参考訳（メタデータ） (2023-08-26T02:44:33Z)
• An Order-Complexity Model for Aesthetic Quality Assessment of Symbolic Homophony Music Scores [8.751312368054016]
  AIが生み出す音楽の質は、人間の作曲家が生み出すものに比べれば比較的劣っている。 本稿では,ホモフォニー楽譜の美的品質評価のための客観的定量的評価法を提案する。
  論文  参考訳（メタデータ） (2023-01-14T12:30:16Z)
• 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)
• 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)
• Audio Impairment Recognition Using a Correlation-Based Feature Representation [85.08880949780894]
  本稿では,特徴対の相関に基づく手作り特徴の新しい表現を提案する。 実験段階において,コンパクトな特徴次元と計算速度の向上の観点から,優れた性能を示す。
  論文  参考訳（メタデータ） (2020-03-22T13:34:37Z)
• 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。