論文の概要: IncompeBench: A Permissively Licensed, Fine-Grained Benchmark for Music Information Retrieval

• arxiv url: http://arxiv.org/abs/2602.11941v1
• Date: Thu, 12 Feb 2026 13:37:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-13 21:07:25.841228
• Title: IncompeBench: A Permissively Licensed, Fine-Grained Benchmark for Music Information Retrieval
• Title（参考訳）: IncompeBench:音楽情報検索のためのパーミッションライセンス付きファイングラインドベンチマーク
• Authors: Benjamin Clavié, Atoof Shakir, Jonah Turner, Sean Lee, Aamir Shakir, Makoto P. Kato,
• Abstract要約: 音楽情報検索(MIR)の品質は大幅に向上している。 音楽検索性能を評価するための高品質なベンチマークが欠けている。 textbfIncompeBenchは、パーミッシブライセンス1,574ドル、高品質な音楽スニペット、500ドルの多様なクエリ、125,000ドルの個人関連性を備えたベンチマークです。
• 参考スコア（独自算出の注目度）: 1.7053582188727738
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Multimodal Information Retrieval has made significant progress in recent years, leveraging the increasingly strong multimodal abilities of deep pre-trained models to represent information across modalities. Music Information Retrieval (MIR), in particular, has considerably increased in quality, with neural representations of music even making its way into everyday life products. However, there is a lack of high-quality benchmarks for evaluating music retrieval performance. To address this issue, we introduce \textbf{IncompeBench}, a carefully annotated benchmark comprising $1,574$ permissively licensed, high-quality music snippets, $500$ diverse queries, and over $125,000$ individual relevance judgements. These annotations were created through the use of a multi-stage pipeline, resulting in high agreement between human annotators and the generated data. The resulting datasets are publicly available at https://huggingface.co/datasets/mixedbread-ai/incompebench-strict and https://huggingface.co/datasets/mixedbread-ai/incompebench-lenient with the prompts available at https://github.com/mixedbread-ai/incompebench-programs.
• Abstract（参考訳）: マルチモーダル・インフォメーション・レトリーバルは近年大きな進歩を遂げており、深い事前訓練されたモデルの強力なマルチモーダル能力を活用して、モーダルをまたいだ情報を表現している。 特にMIR(Music Information Retrieval)は品質が著しく向上し、音楽のニューラルな表現が日常の生活製品にも浸透している。 しかし、音楽検索性能を評価するための高品質なベンチマークが欠如している。 この問題に対処するため,我々は,許容ライセンス1,574ドル,高品質な音楽スニペット,500ドル以上の多様なクエリ,および1,125,000ドルの個人関連判断を含む,慎重に注釈付けされたベンチマークである \textbf{IncompeBench} を紹介した。 これらのアノテーションはマルチステージパイプラインを使用して作成され、その結果、人間のアノテータと生成されたデータの間で高い合意が得られた。 生成されたデータセットは、https://huggingface.co/datasets/mixedbread-ai/incompebench-strict and https://huggingface.co/datasets/mixedbread-ai/incompebench-lenientで公開されている。

関連論文リスト

• 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)
• Benchmarking Sub-Genre Classification For Mainstage Dance Music [6.042939894766715]
  新しいデータセットとベースラインを特徴とする新しいベンチマークを導入する。 我々のデータセットは、グローバル音楽祭でDJをリードする人々が行った最近のメインステージライブセットの多様性を反映するため、サブジャンルの範囲を広げている。 このベンチマークは、音楽レコメンデーション、DJセットキュレーション、インタラクティブマルチメディアシステムなどのアプリケーションをサポートし、ビデオデモを提供している。
  論文  参考訳（メタデータ） (2024-09-10T17:54:00Z)
• MARBLE: Music Audio Representation Benchmark for Universal Evaluation [79.25065218663458]
  我々は,UniversaL Evaluation(MARBLE)のための音楽音響表現ベンチマークを紹介する。 音響、パフォーマンス、スコア、ハイレベルな記述を含む4つの階層レベルを持つ包括的分類を定義することで、様々な音楽情報検索(MIR)タスクのベンチマークを提供することを目的としている。 次に、8つの公開データセット上の14のタスクに基づいて統一されたプロトコルを構築し、ベースラインとして音楽録音で開発されたすべてのオープンソース事前学習モデルの表現を公平かつ標準的に評価する。
  論文  参考訳（メタデータ） (2023-06-18T12:56:46Z)
• 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)

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。