論文の概要: On the Robustness of Cover Version Identification Models: A Study Using Cover Versions from YouTube
- arxiv url: http://arxiv.org/abs/2501.01333v1
- Date: Thu, 02 Jan 2025 16:35:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:13:30.537550
- Title: On the Robustness of Cover Version Identification Models: A Study Using Cover Versions from YouTube
- Title（参考訳）: カバーバージョン同定モデルのロバスト性について:YouTubeのカバーバージョンを用いた検討
- Authors: Simon Hachmeier, Robert Jäschke,
- Abstract要約: オンラインビデオプラットフォーム上で、モデルがカバー曲でどれだけうまく機能するかは不明だが、予想外の変更が見られる可能性がある。
本稿では,マルチモーダルな不確実性サンプリング手法によってサンプリングされたYouTubeの楽曲のサブセットに注釈を付け,最先端のモデルの評価を行う。
- 参考スコア（独自算出の注目度）: 0.046040036610482664
- License:
- Abstract: Recent advances in cover song identification have shown great success. However, models are usually tested on a fixed set of datasets which are relying on the online cover song database SecondHandSongs. It is unclear how well models perform on cover songs on online video platforms, which might exhibit alterations that are not expected. In this paper, we annotate a subset of songs from YouTube sampled by a multi-modal uncertainty sampling approach and evaluate state-of-the-art models. We find that existing models achieve significantly lower ranking performance on our dataset compared to a community dataset. We additionally measure the performance of different types of versions (e.g., instrumental versions) and find several types that are particularly hard to rank. Lastly, we provide a taxonomy of alterations in cover versions on the web.
- Abstract（参考訳）: 近年のカバー・ソング・アイデンティティの進歩は大きな成功を収めている。
しかしながら、モデルは通常、オンラインカバーソングデータベースであるSecondHandSongsに依存する固定データセットセットでテストされる。
オンラインビデオプラットフォーム上で、モデルがカバー曲でどれだけうまく機能するかは不明だが、予想外の変更が見られる可能性がある。
本稿では,マルチモーダルな不確実性サンプリング手法によってサンプリングされたYouTubeの楽曲のサブセットに注釈を付け,最先端のモデルの評価を行う。
既存のモデルでは、コミュニティデータセットと比較して、データセットのランク付け性能が大幅に低いことが分かりました。
さらに、異なるタイプのバージョン(例えば、インストゥルメンタルバージョン)のパフォーマンスを測定し、特にランク付けが難しいいくつかのタイプを見つけます。
最後に、Web上のカバーバージョンにおける変更の分類を提供する。
関連論文リスト
- LiveXiv -- A Multi-Modal Live Benchmark Based on Arxiv Papers Content [62.816876067499415]
我々は、科学的ArXiv論文に基づくスケーラブルな進化型ライブベンチマークであるLiveXivを提案する。
LiveXivは、任意のタイムスタンプでドメイン固有の原稿にアクセスし、視覚的な問合せペアを自動的に生成することを提案する。
ベンチマークの最初のバージョンで、複数のオープンでプロプライエタリなLMM(Large Multi-modal Models)をベンチマークし、その挑戦的な性質を示し、モデルの真の能力を明らかにする。
論文 参考訳（メタデータ） (2024-10-14T17:51:23Z) - Innovations in Cover Song Detection: A Lyrics-Based Approach [1.192676421261413]
歌の歌詞を利用したカバー歌検出手法を提案する。
曲とその対応するオリジナルをカバーする新しいデータセットを提案する。
他のカバーソングのデータセットとは対照的に、オリジナルソングとカバーソングの注釈付き歌詞を含んでいる。
論文 参考訳（メタデータ） (2024-06-06T06:52:25Z) - Predictive Churn with the Set of Good Models [64.05949860750235]
近似機械学習モデルの集合に対する競合予測の効果について検討する。
ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。
当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
論文 参考訳（メタデータ） (2024-02-12T16:15:25Z) - Anchor Points: Benchmarking Models with Much Fewer Examples [88.02417913161356]
6つの人気のある言語分類ベンチマークでは、多数の点の正しいクラスに対するモデル信頼度はモデル間で強く相関している。
Anchor Point Selectionは,データセット全体にわたるモデル動作をキャプチャする,データセットの小さなサブセットを選択する手法である。
平均絶対誤差が低いデータセットの他のすべての点について、クラスごとの予測モデルを推定するために、いくつかのアンカーポイントを使用することができる。
論文 参考訳（メタデータ） (2023-09-14T17:45:51Z) - Confidence-based Ensembles of End-to-End Speech Recognition Models [71.65982591023581]
5つの単言語モデルの信頼に基づくアンサンブルは、専用言語識別ブロックを介してモデル選択を行うシステムより優れていることを示す。
また、ベースモデルと適応モデルを組み合わせることで、オリジナルデータとターゲットデータの両方で強力な結果が得られることを示す。
論文 参考訳（メタデータ） (2023-06-27T23:13:43Z) - Investigating Ensemble Methods for Model Robustness Improvement of Text
Classifiers [66.36045164286854]
既存のバイアス機能を分析し、すべてのケースに最適なモデルが存在しないことを実証します。
適切なバイアスモデルを選択することで、より洗練されたモデル設計でベースラインよりもロバスト性が得られる。
論文 参考訳（メタデータ） (2022-10-28T17:52:10Z) - DapStep: Deep Assignee Prediction for Stack Trace Error rePresentation [61.99379022383108]
本稿では,バグトリアージ問題を解決するための新しいディープラーニングモデルを提案する。
モデルは、注目された双方向のリカレントニューラルネットワークと畳み込みニューラルネットワークに基づいている。
ランキングの質を向上させるために,バージョン管理システムのアノテーションから追加情報を利用することを提案する。
論文 参考訳（メタデータ） (2022-01-14T00:16:57Z) - Boosted Embeddings for Time Series Forecasting [0.6042845803090501]
新たな時系列予測モデルであるDeepGBを提案する。
我々は,弱い学習者が反復よりも漸進的に重みがみられるdnnである勾配ブースティングの変種を定式化し,実装する。
本モデルが実世界センサーデータと公開データセットを用いて既存の同等の最新モデルを上回ることを実証した。
論文 参考訳（メタデータ） (2021-04-10T14:38:11Z)
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。