論文の概要: The ICASSP SP Cadenza Challenge: Music Demixing/Remixing for Hearing Aids

• arxiv url: http://arxiv.org/abs/2310.03480v2
• Date: Mon, 29 Jan 2024 11:48:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 21:45:33.901898
• Title: The ICASSP SP Cadenza Challenge: Music Demixing/Remixing for Hearing Aids
• Title（参考訳）: ICASSP SP Cadenza Challenge:音楽のデミックス/リミックス
• Authors: Gerardo Roa Dabike, Michael A. Akeroyd, Scott Bannister, Jon Barker, Trevor J. Cox, Bruno Fazenda, Jennifer Firth, Simone Graetzer, Alinka Greasley, Rebecca R. Vos, William M. Whitmer
• Abstract要約: Cadenzaプロジェクトは、聴覚障害のある人のための音楽の音質向上に取り組んでいる。 この課題のシナリオは、補聴器を介してスピーカーのステレオ再生を聴くことだった。 ポップ/ロック音楽をボーカル、ドラム、ベース、その他(VDBO)に分解し、それぞれのトラックを特定のゲインでバランスさせ、ステレオにリミックスする。
• 参考スコア（独自算出の注目度）: 15.361307797288497
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper reports on the design and results of the 2024 ICASSP SP Cadenza Challenge: Music Demixing/Remixing for Hearing Aids. The Cadenza project is working to enhance the audio quality of music for those with a hearing loss. The scenario for the challenge was listening to stereo reproduction over loudspeakers via hearing aids. The task was to: decompose pop/rock music into vocal, drums, bass and other (VDBO); rebalance the different tracks with specified gains and then remixing back to stereo. End-to-end approaches were also accepted. 17 systems were submitted by 11 teams. Causal systems performed poorer than non-causal approaches. 9 systems beat the baseline. A common approach was to fine-tuning pretrained demixing models. The best approach used an ensemble of models.
• Abstract（参考訳）: 本稿では,2024年のICASSP SP Cadenza Challenge: Music Demixing/Remixing for Hearing Aidsの設計と成果について報告する。 Cadenzaプロジェクトは、聴覚障害のある人のための音楽の音質向上に取り組んでいる。 この挑戦のシナリオは、補聴器を通してスピーカーのステレオ再生を聞くことだった。 ポップ/ロック音楽をボーカル、ドラム、ベース、その他の(vdbo)に分解し、異なる曲を特定のゲインで再調整し、その後ステレオにリミックスする。 エンドツーエンドのアプローチも受け入れられた。 17のシステムが11チームによって提出された。 因果システムは非因果的アプローチよりも貧弱であった。 9システムがベースラインを上回った。 一般的なアプローチは、事前訓練されたデミックスモデルの微調整であった。 最良のアプローチはモデルのアンサンブルを使用した。

関連論文リスト

• NTIRE 2024 Challenge on Stereo Image Super-Resolution: Methods and Results [106.27490184458715]
  本稿では,立体像超解像(SR)における第3回 NTIRE チャレンジを要約する。 この課題の課題は、限られた計算予算の下でx4の倍率を持つ高解像度のステレオ画像対に高解像度のステレオ画像対を超解することである。
  論文  参考訳（メタデータ） (2024-09-25T13:59:36Z)
• The first Cadenza challenges: using machine learning competitions to improve music for listeners with a hearing loss [2.8457245667398188]
  音楽を聴くことは難聴者にとって問題であることは確かである。 機械学習はどのようにしてこの問題に対処できるのか? 本稿では,聴力障害のある者を対象とした,機械学習による音楽の音質向上のためのオープンチャレンジ手法の最初の応用について述べる。
  論文  参考訳（メタデータ） (2024-09-08T13:45:45Z)
• 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)
• Remixing Music for Hearing Aids Using Ensemble of Fine-Tuned Source Separators [0.0]
  本稿では,Cadenza ICASSP 2024 Grand Challengeへのシステム提出について紹介する。 補聴器利用者のための音楽のリミックスと強化の課題を提示する。 本システムでは, 平均聴力支援音質指標(HAAQI)を達成し, 課題に先立ち, 平均聴力支援音質指標(HAAQI)を達成した。
  論文  参考訳（メタデータ） (2024-01-11T16:04:53Z)
• The First Cadenza Signal Processing Challenge: Improving Music for Those With a Hearing Loss [14.911901995353157]
  Cadenzaプロジェクトは、聴覚障害のある人のために、音楽の音質を改善することを目的としている。 これは、より優れた、より包括的な技術を促進するために、一連の信号処理の課題を通じて行われる。 主観評価のための聴力評価指標(HAAQI)と、主観評価のための聴力障害のある人のパネルを用いて、提案書の音質を評価する。
  論文  参考訳（メタデータ） (2023-10-09T15:36:15Z)
• MERT: Acoustic Music Understanding Model with Large-Scale Self-supervised Training [74.32603591331718]
  本稿では,MLMスタイルの音響事前学習において,教師モデルと擬似ラベルを組み込んだ大規模自己教師型学習(MERT)を用いた音響音楽理解モデルを提案する。 実験結果から,本モデルでは14曲の楽曲理解タスクを一般化し,性能を向上し,SOTA(State-of-the-art)全体のスコアを達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-05-31T18:27:43Z)
• Benchmarks and leaderboards for sound demixing tasks [44.99833362998488]
  音源分離タスクのための2つの新しいベンチマークを導入する。 これらのベンチマークでは、音のデミックスやアンサンブルなどの人気モデルを比較します。 また,特定の茎に最適な異なるモデルのアンサンブルに基づく,音声分離のための新しいアプローチも開発している。
  論文  参考訳（メタデータ） (2023-05-12T14:00:26Z)
• CycleDRUMS: Automatic Drum Arrangement For Bass Lines Using CycleGAN [12.93891163150604]
  CycleDRUMSはベースラインを与えられたドラムを生成する新しい方法である。 バスの波形をメル・スペクトログラムに変換した後、ビートに追従するオリジナルドラムを自動的に生成することができる。
  論文  参考訳（メタデータ） (2021-04-01T09:17:48Z)
• Sep-Stereo: Visually Guided Stereophonic Audio Generation by Associating Source Separation [96.18178553315472]
  本稿では,ステレオ音声の生成を容易にするために,膨大な量のモノデータを活用することを提案する。 ステレオ生成とソース分離の両方を統合フレームワークであるSep-Stereoに統合します。
  論文  参考訳（メタデータ） (2020-07-20T06:20:26Z)
• Jukebox: A Generative Model for Music [75.242747436901]
  Jukebox(ジュークボックス)は、生のオーディオドメインで歌いながら音楽を生成するモデルである。 複数スケールのVQ-VAEを用いて生音声の長いコンテキストに取り組み,それを離散コードに圧縮する。 複数分間のコヒーレンスで高忠実で多様な曲を生成できることを示す。
  論文  参考訳（メタデータ） (2020-04-30T09:02:45Z)

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。