Fugu-MT 論文翻訳(概要): The Kolmogorov Complexity of Irish traditional dance music

論文の概要: The Kolmogorov Complexity of Irish traditional dance music

arxiv url: http://arxiv.org/abs/2407.12000v1
Date: Fri, 14 Jun 2024 16:38:06 GMT
ステータス: 処理完了
システム内更新日: 2024-07-22 11:30:12.157568
Title: The Kolmogorov Complexity of Irish traditional dance music
Title（参考訳）: アイルランド伝統舞踊音楽のコルモゴロフ複合性
Authors: Michael McGettrick, Paul McGettrick,
Abstract要約: アイルランドの伝統舞踊音楽における旋律のコンモゴロフ複雑性をLempel-Ziv圧縮を用いて推定する。音楽の「トゥーン」は、単にアルファベットからの文字の列として、いわゆる「ABC表記」で表される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We estimate the Kolmogorov complexity of melodies in Irish traditional dance music using Lempel-Ziv compression. The "tunes" of the music are presented in so-called "ABC notation" as simply a sequence of letters from an alphabet: We have no rhythmic variation, with all notes being of equal length. Our estimation of algorithmic complexity can be used to distinguish "simple" or "easy" tunes (with more repetition) from "difficult" ones (with less repetition) which should prove useful for students learning tunes. We further present a comparison of two tune categories (reels and jigs) in terms of their complexity.
Abstract（参考訳）: アイルランドの伝統舞踊音楽における旋律のコンモゴロフ複雑性をLempel-Ziv圧縮を用いて推定する。音楽の「トゥーン」は、単にアルファベットからの文字の列として「ABC表記」と呼ばれる形で提示される。アルゴリズムの複雑さを推定することで、(より繰り返しの)「単純」あるいは「簡単」の曲と(より繰り返しの少ない)「難易度」の曲を区別することができる。さらに、それらの複雑さの観点から、2つの音節圏(リールとジーグ)の比較を示す。

関連論文リスト

ChordSync: Conformer-Based Alignment of Chord Annotations to Music Audio [0.48226434581895755]
ChordSyncはコンバータベースのモデルで、コードアノテーションとオーディオトラックをシームレスにアライメントするように設計されている。また,事前に訓練されたモデルとユーザフレンドリーなライブラリを提供し,コードアノテーションとオーディオトラックをシームレスに同期させることができる。
論文参考訳（メタデータ） (2024-08-01T16:16:29Z)
Enhancing Music Genre Classification through Multi-Algorithm Analysis and User-Friendly Visualization [0.0]
本研究の目的は,異なる種類の音楽の認識方法をアルゴリズムに教えることである。アルゴリズムはこれまでこれらの歌を聴いていないので、それぞれの歌をユニークにする方法を理解する必要があります。
論文参考訳（メタデータ） (2024-05-27T17:57:20Z)
SongComposer: A Large Language Model for Lyric and Melody Composition in Song Generation [88.33522730306674]
SongComposerは、シンボリックな歌の表現でメロディーや歌詞を理解し、生成することができた。我々は、人間が音楽のためにデザインした成熟した効率的な方法である象徴的な歌の表現に頼っている。広範な実験により、SongComposerは、歌詞からメロディ生成、メロディから歌詞への生成、歌の継続、テキストから歌への生成において優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2024-02-27T16:15:28Z)
Unsupervised Melody-to-Lyric Generation [91.29447272400826]
本稿では,メロディ・歌詞データを学習することなく高品質な歌詞を生成する手法を提案する。我々は、メロディと歌詞のセグメンテーションとリズムアライメントを利用して、与えられたメロディをデコード制約にコンパイルする。我々のモデルは、強いベースラインよりもオントピー的、歌いやすく、知性があり、一貫性のある高品質な歌詞を生成することができる。
論文参考訳（メタデータ） (2023-05-30T17:20:25Z)
Unsupervised Melody-Guided Lyrics Generation [84.22469652275714]
メロディと歌詞の一致したデータを学習することなく、楽しく聴ける歌詞を生成することを提案する。メロディと歌詞間の重要なアライメントを活用し、与えられたメロディを制約にコンパイルし、生成プロセスを導く。
論文参考訳（メタデータ） (2023-05-12T20:57:20Z)
Multimodal Lyrics-Rhythm Matching [0.0]
本稿では,歌詞と音楽のキーコンポーネントを相互にマッチングする,新しいマルチモーダルな歌詞・リズムマッチング手法を提案する。楽譜の代わりに音声を使用し、メタデータを手軽に利用できるようにし、より多くの課題を生み出しますが、我々の手法の適用柔軟性は向上します。実験の結果,平均一致確率は0.81であり,曲の約30%は強拍に着地するキーワードの0.9以上の確率を持つことがわかった。
論文参考訳（メタデータ） (2023-01-06T22:24:53Z)
Learning Music-Dance Representations through Explicit-Implicit Rhythm Synchronization [22.279424952432677]
音楽距離表現は、(a)ダンス分類、(b)音楽距離検索、(c)音楽距離の3つの下流タスクに適用することができる。音楽のリズム分析にインスパイアされた視覚的外観と動きの手がかりに基づいてダンスリズムを導出し、その後、音響強度の振幅によって抽出される音楽リズムと時間的に一致させる。
論文参考訳（メタデータ） (2022-07-07T09:44:44Z)
SinTra: Learning an inspiration model from a single multi-track music segment [6.841442146760313]
SinTraは、単一のマルチトラック音楽セグメントから学習できる自動回帰逐次生成モデルである。我々は,SinTraが音楽変換器より十分な情報を得ることができることを示す。
論文参考訳（メタデータ） (2022-04-21T07:13:30Z)
Quantized GAN for Complex Music Generation from Dance Videos [48.196705493763986]
D2M-GAN(Dance2Music-GAN, D2M-GAN, D2M-GAN)は、ダンスビデオに条件付けされた楽曲のサンプルを生成する新しいマルチモーダルフレームワークである。提案フレームワークは,ダンスビデオフレームと人体の動きを入力とし,対応する入力に付随する音楽サンプルを生成することを学習する。
論文参考訳（メタデータ） (2022-04-01T17:53:39Z)
Bailando: 3D Dance Generation by Actor-Critic GPT with Choreographic Memory [92.81383016482813]
そこで我々は3Dキャラクターを1曲の楽曲に追従して踊るための新しい音楽間距離フレームワークBailandoを提案する。本稿では,音楽に忠実な流麗なダンスにユニットを構成するアクタ批判型生成事前学習変換器(GPT)を紹介する。提案するフレームワークは,定性的かつ定量的に最先端の性能を実現する。
論文参考訳（メタデータ） (2022-03-24T13:06:43Z)
SongMASS: Automatic Song Writing with Pre-training and Alignment Constraint [54.012194728496155]
SongMASSは、歌詞からメロディーへの生成とメロディから歌詞への生成の課題を克服するために提案されている。マスクドシーケンスを利用して、シーケンス(質量)事前トレーニングと注意に基づくアライメントモデリングを行う。我々は,SongMASSがベースライン法よりもはるかに高品質な歌詞とメロディを生成することを示す。
論文参考訳（メタデータ） (2020-12-09T16:56:59Z)

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。