論文の概要: Serenade: A Model for Human-in-the-loop Automatic Chord Estimation

• arxiv url: http://arxiv.org/abs/2310.11165v1
• Date: Tue, 17 Oct 2023 11:31:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 16:20:19.809833
• Title: Serenade: A Model for Human-in-the-loop Automatic Chord Estimation
• Title（参考訳）: serenade: ループ内自動コード推定のためのモデル
• Authors: Hendrik Vincent Koops, Gianluca Micchi, Ilaria Manco, Elio Quinton
• Abstract要約: そこで本研究では,Human-in-the-loopアプローチにより,モデルのみのアプローチよりも高調波解析性能が向上することを示す。 我々は,ポピュラー音楽のデータセットを用いてモデル評価を行い,本手法を用いることで,モデルのみのアプローチよりも高調波解析性能が向上することを示す。
• 参考スコア（独自算出の注目度）: 1.6385815610837167
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational harmony analysis is important for MIR tasks such as automatic segmentation, corpus analysis and automatic chord label estimation. However, recent research into the ambiguous nature of musical harmony, causing limited inter-rater agreement, has made apparent that there is a glass ceiling for common metrics such as accuracy. Commonly, these issues are addressed either in the training data itself by creating majority-rule annotations or during the training phase by learning soft targets. We propose a novel alternative approach in which a human and an autoregressive model together co-create a harmonic annotation for an audio track. After automatically generating harmony predictions, a human sparsely annotates parts with low model confidence and the model then adjusts its predictions following human guidance. We evaluate our model on a dataset of popular music and we show that, with this human-in-the-loop approach, harmonic analysis performance improves over a model-only approach. The human contribution is amplified by the second, constrained prediction of the model.
• Abstract（参考訳）: 自動セグメンテーション,コーパス解析,コードラベルの自動推定などのMIRタスクでは,計算調和解析が重要である。 しかし、近年の音楽ハーモニーの曖昧さに関する研究により、レート間合意が限定され、正確性などの一般的な指標にガラスの天井があることが明らかになっている。 一般的に、これらの問題はトレーニングデータ自身で多数ルールのアノテーションを作成するか、ソフトターゲットを学習してトレーニングフェーズ中に対処される。 本稿では,人間と自己回帰モデルが協調して音声トラックの調和アノテーションを作成する,新たなアプローチを提案する。 自動で調和予測を生成した後、人間はモデルの信頼度が低い箇所をわずかにアノテートし、モデルはその予測を人間の指示に従って調整する。 ポピュラー音楽のデータセットを用いて,本モデルの評価を行い,本手法を用いることで,モデルのみのアプローチよりも高調波解析性能が向上することを示す。 人間の貢献は、モデルの2番目の制約付き予測によって増幅される。

関連論文リスト

• Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation [3.8570045844185237]
  マルチトラックデータセットでトレーニングした新しいJEPA(Joint-Embedding Predictive Architecture)であるStem-JEPAを紹介する。 本モデルでは, エンコーダと予測器の2つのネットワークから構成される。 MUSDB18データセットの検索タスクにおいて、本モデルの性能を評価し、ミキシングから欠落した茎を見つける能力を検証した。
  論文  参考訳（メタデータ） (2024-08-05T14:34:40Z)
• Automatic Equalization for Individual Instrument Tracks Using Convolutional Neural Networks [2.5944208050492183]
  本稿では,個々の楽器トラックの自動等化のための新しい手法を提案する。 本手法は,対象とする理想スペクトルを選択するために,音源記録中に存在する機器を同定することから始める。 我々は、従来確立されていた最先端技術に対する改善を実証する、微分可能なパラメトリック等化器マッチングニューラルネットワークを構築した。
  論文  参考訳（メタデータ） (2024-07-23T17:55:25Z)
• Dataless Knowledge Fusion by Merging Weights of Language Models [51.8162883997512]
  微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。 これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。 パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
  論文  参考訳（メタデータ） (2022-12-19T20:46:43Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• Is Automated Topic Model Evaluation Broken?: The Incoherence of Coherence [62.826466543958624]
  トピックモデル評価における標準化のギャップと検証のギャップについて考察する。 これらの指標によると、最近のニューラルネットワークコンポーネントに依存したモデルは、古典的なトピックモデルを超えている。 我々は,話題評価と単語侵入という,最も広く受け入れられている2つの人間の判断タスクとともに,自動的コヒーレンスを用いる。
  論文  参考訳（メタデータ） (2021-07-05T17:58:52Z)
• Test-time Collective Prediction [73.74982509510961]
  マシンラーニングの複数のパーティは、将来のテストポイントを共同で予測したいと考えています。 エージェントは、すべてのエージェントの集合の集合的な専門知識の恩恵を受けることを望んでいるが、データやモデルパラメータを解放する意思はないかもしれない。 我々は、各エージェントの事前学習モデルを利用して、テスト時に集合的な予測を行う分散型メカニズムを探索する。
  論文  参考訳（メタデータ） (2021-06-22T18:29:58Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• Generating Music with a Self-Correcting Non-Chronological Autoregressive Model [6.289267097017553]
  本稿では,自己修正的,非時間的,自己回帰的モデルを用いた新しい音楽生成手法について述べる。 我々は音楽を編集イベントのシーケンスとして表現し、それぞれがノートの追加または削除を表す。 推論中、直接祖先サンプリングを用いて1回に1回の編集イベントを生成する。
  論文  参考訳（メタデータ） (2020-08-18T20:36:47Z)
• A Spectral Energy Distance for Parallel Speech Synthesis [29.14723501889278]
  音声合成は重要な実用的生成モデル問題である。 そこで本研究では,高度に並列な音声モデルの学習を可能にする学習手法を提案する。
  論文  参考訳（メタデータ） (2020-08-03T19:56:04Z)
• Forecasting Sequential Data using Consistent Koopman Autoencoders [52.209416711500005]
  クープマン理論に関連する新しい物理学に基づく手法が導入された。 本稿では,既存の作業の多くと異なり,前方・後方のダイナミクスを生かした新しいコンシスタント・クープマン・オートエンコーダモデルを提案する。 このアプローチの鍵となるのは、一貫性のある力学と関連するクープマン作用素との相互作用を探索する新しい解析である。
  論文  参考訳（メタデータ） (2020-03-04T18:24:30Z)
• Automatic Melody Harmonization with Triad Chords: A Comparative Study [24.95868747256647]
  本研究は,本課題に対する一組の標準的アプローチの性能を評価し,比較する比較研究である。 本研究のために新たに収集した9,226個のメロディ/コード対のデータセットを用いて,最大48個の三和弦について評価を行った。
  論文  参考訳（メタデータ） (2020-01-08T03:47:33Z)

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。