論文の概要: Music Plagiarism Detection: Problem Formulation and a Segment-based Solution
- arxiv url: http://arxiv.org/abs/2601.21260v1
- Date: Thu, 29 Jan 2026 04:41:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-30 16:22:49.578281
- Title: Music Plagiarism Detection: Problem Formulation and a Segment-based Solution
- Title（参考訳）: 音楽プラジャリズム検出:問題定式化とセグメンションに基づく解法
- Authors: Seonghyeon Go, Yumin Kim,
- Abstract要約: 本稿では,音楽プラジャリズム検出が他のMIRタスクとどのように異なるかを定義する。
新たに定義されたタスクをサポートするために、Simisal Music Pairデータセットを導入します。
さらに,課題を解決する一つの方法としてセグメント転写に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 1.7034813545878587
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recently, the problem of music plagiarism has emerged as an even more pressing social issue. As music information retrieval research advances, there is a growing effort to address issues related to music plagiarism. However, many studies, including our previous work, have conducted research without clearly defining what the music plagiarism detection task actually involves. This lack of a clear definition has slowed research progress and made it hard to apply results to real-world scenarios. To fix this situation, we defined how Music Plagiarism Detection is different from other MIR tasks and explained what problems need to be solved. We introduce the Similar Music Pair dataset to support this newly defined task. In addition, we propose a method based on segment transcription as one way to solve the task. Our demo and dataset are available at https://github.com/Mippia/ICASSP2026-MPD.
- Abstract（参考訳）: 近年、音楽プラジャリズムの問題は、より急進的な社会問題として浮上している。
音楽情報検索研究が進むにつれて、音楽盗作に関する問題に対処する努力が増えている。
しかし、これまでの研究を含む多くの研究は、音楽盗作検出の課題が実際にどんなものであるかを明確に定義せずに研究を行っている。
この明確な定義の欠如は研究の進展を遅らせ、現実のシナリオに結果を適用するのを難しくした。
この問題を解決するために,音楽プラジャリズム検出が他のMIRタスクとどのように異なるかを定義し,解決すべき課題を説明した。
新たに定義されたタスクをサポートするために、Simisal Music Pairデータセットを導入します。
さらに,課題を解決する一つの方法としてセグメント転写に基づく手法を提案する。
私たちのデモとデータセットはhttps://github.com/Mippia/ICASSP2026-MPDで公開されています。
関連論文リスト
- ArtistMus: A Globally Diverse, Artist-Centric Benchmark for Retrieval-Augmented Music Question Answering [19.176502073980636]
MusWikiDBは、144Kの音楽関連ウィキペディアページから3.2Mパスのベクトルデータベースである。
ArtistMusは、ジャンル、デビュー年、トピックといったメタデータを持つ500の多様なアーティストに関する1000の質問のベンチマークである。
論文 参考訳（メタデータ） (2025-12-05T05:09:30Z) - Discovering "Words" in Music: Unsupervised Learning of Compositional Sparse Code for Symbolic Music [50.87225308217594]
本稿では,記号的音楽データから「音楽単語」と呼ばれる繰り返しパターンを識別する教師なし機械学習アルゴリズムを提案する。
本稿では,音楽単語発見の課題を統計的最適化問題として定式化し,二段階予測最大化(EM)に基づく学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-29T11:10:57Z) - Real-world Music Plagiarism Detection With Music Segment Transcription System [0.46412974300322135]
様々なMIR技術を組み合わせて音楽プラジャリズムを検出するシステムを提案する。
我々は,録音から音楽的に意味のあるセグメントを抽出し,盗作を検知する楽曲セグメント転写システムを開発した。
また,実例を用いた音楽類似性研究のための類似音楽ペアデータセットも収集した。
論文 参考訳（メタデータ） (2025-09-10T04:55:48Z) - Towards an AI Musician: Synthesizing Sheet Music Problems for Musical Reasoning [69.78158549955384]
本稿では,ビートやインターバルをプログラム関数として扱うような,コア音楽理論のルールを扱う新しいアプローチを提案する。
このアプローチは、テキストと視覚の両方で検証可能な楽譜の質問を生成する。
SSMR-Benchの評価結果は,楽譜の解釈における重要な役割を浮き彫りにした。
論文 参考訳（メタデータ） (2025-09-04T09:42:17Z) - 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) - MuPT: A Generative Symbolic Music Pretrained Transformer [56.09299510129221]
音楽の事前学習におけるLarge Language Models (LLM) の適用について検討する。
生成過程の異なるトラックからの不整合対策に関連する課題に対処するために,SMT-ABC Notation(Synchronized Multi-Track ABC Notation)を提案する。
私たちのコントリビューションには、最大8192個のトークンを処理可能な一連のモデルが含まれており、トレーニングセットの象徴的な音楽データの90%をカバーしています。
論文 参考訳（メタデータ） (2024-04-09T15:35:52Z) - Towards Robust and Truly Large-Scale Audio-Sheet Music Retrieval [4.722882736419499]
クロスモーダル・ディープ・ラーニング(英語版)は、2つの異なるモーダル(オーディオと楽譜)を繋ぐジョイント埋め込み空間を学習するために用いられる。
過去数年間、この領域は着実に改善されてきたが、多くのオープンな問題が依然としてこの手法の大規模採用を妨げている。
実シナリオにおけるロバストで大規模なクロスモーダル音楽検索への道のりの主な課題を同定する。
論文 参考訳（メタデータ） (2023-09-21T15:11:16Z) - Optical Music Recognition: State of the Art and Major Challenges [0.0]
光音楽認識(OMR)は、楽譜を機械可読形式に変換することを目的としている。
書き起こされたコピーは、ミュージシャンが楽譜の写真を撮って作曲、演奏、編集を行えるようにする。
近年,従来のコンピュータビジョン技術から深層学習手法への移行が進んでいる。
論文 参考訳（メタデータ） (2020-06-14T12:40:17Z)
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。