論文の概要: Probabilistic Multilabel Graphical Modelling of Motif Transformations in Symbolic Music

• arxiv url: http://arxiv.org/abs/2603.26478v1
• Date: Fri, 27 Mar 2026 14:42:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.549299
• Title: Probabilistic Multilabel Graphical Modelling of Motif Transformations in Symbolic Music
• Title（参考訳）: シンボリック音楽におけるモチーフ変換の確率論的多ラベルグラフモデリング
• Authors: Ron Taieb, Yoel Greenberg, Barak Sober,
• Abstract要約: 我々はモチビック変換をモデル化するための確率的枠組みを開発し、ベートーヴェンのピアノソナタに適用する。 私たちのゴールは、モチビック変換パターンの解釈可能な分布解析を提供することです。
• 参考スコア（独自算出の注目度）: 1.5478526931644518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motifs often recur in musical works in altered forms, preserving aspects of their identity while undergoing local variation. This paper investigates how such motivic transformations occur within their musical context in symbolic music. To support this analysis, we develop a probabilistic framework for modeling motivic transformations and apply it to Beethoven's piano sonatas by integrating multiple datasets that provide melodic, rhythmic, harmonic, and motivic information within a unified analytical representation. Motif transformations are represented as multilabel variables by comparing each motif instance to a designated reference occurrence within its local context, ensuring consistent labeling across transformation families. We introduce a multilabel Conditional Random Field to model how motif-level musical features influence the occurrence of transformations and how different transformation families tend to co-occur. Our goal is to provide an interpretable, distributional analysis of motivic transformation patterns, enabling the study of their structural relationships and stylistic variation. By linking computational modeling with music-theoretical interpretation, the proposed framework supports quantitative investigation of musical structure and complexity in symbolic corpora and may facilitate the analysis of broader compositional patterns and writing practices.
• Abstract（参考訳）: モティフはしばしば変化した形態で音楽作品に再帰し、局所的な変化を経験しながらそのアイデンティティーの側面を保存する。 本稿では, シンボリック・ミュージックにおいて, このようなモチビック・トランスフォーメーションが音楽の文脈内でどのように起こるかを検討する。 この分析を支援するために,モチビック変換をモデル化する確率的フレームワークを開発し,それをベートーヴェンのピアノソナタに適用し,メロディック,リズム,ハーモニック,モチビック情報を提供する複数のデータセットを統合する。 モチーフ変換は、各モチーフインスタンスをそのローカルコンテキスト内で指定された参照事象と比較することにより、マルチラベル変数として表現され、変換ファミリ間の一貫性のあるラベル付けが保証される。 モチーフレベルの音楽的特徴が変換の発生にどのように影響するかをモデル化するために、多ラベル条件ランダム場を導入し、異なる変換族が共起する傾向を示す。 我々のゴールは、モチビック変換パターンの解釈可能な分布解析を提供することで、それらの構造的関係とスタイル的変動の研究を可能にすることである。 計算モデルと音楽理論の解釈を結びつけることによって, シンボリックコーパスにおける音楽構造と複雑度を定量的に研究し, より広範な構成パターンの分析や書記の実践を促進することができる。

関連論文リスト

• Synthesizing Composite Hierarchical Structure from Symbolic Music Corpora [32.18458296933001]
  構造時間グラフ(STG)と呼ばれる音楽構造の統一的階層的メタ表現を提案する。 シングルピースの場合、STGは、より微細な構造的音楽的特徴の階層構造とそれらの間の時間的関係を定義するデータ構造である。
  論文  参考訳（メタデータ） (2025-02-21T02:32:29Z)
• Unifying Symbolic Music Arrangement: Track-Aware Reconstruction and Structured Tokenization [19.27890803128116]
  自動マルチトラック音楽アレンジメントのための統合フレームワークを提案する。 中心となるのは、トークンレベルのアンタングルされたコンテンツとスタイルで動作するセグメントレベルの再構築目標である。 トラックワイズ・モデリングを支援するため,マルチトラック・シンボリック・ミュージックのための構造化トークン化手法であるREMI-zを導入する。
  論文  参考訳（メタデータ） (2024-08-27T16:18:51Z)
• Flow Factorized Representation Learning [109.51947536586677]
  本稿では、異なる入力変換を定義する潜在確率パスの別個のセットを規定する生成モデルを提案する。 本モデルは,ほぼ同変モデルに近づきながら,標準表現学習ベンチマークにおいて高い確率を達成することを示す。
  論文  参考訳（メタデータ） (2023-09-22T20:15:37Z)
• Motif-Centric Representation Learning for Symbolic Music [5.781931021964343]
  我々は、表現学習を通してモチーフとそのバリエーションの間の暗黙の関係を学習する。 正規化に基づくVICRegは事前学習に採用され、コントラスト学習は微調整に使用されている。 得られたモチーフ表現を可視化し、楽曲全体の構造を直感的に理解する。
  論文  参考訳（メタデータ） (2023-09-19T13:09:03Z)
• Recursive Monte Carlo and Variational Inference with Auxiliary Variables [64.25762042361839]
  再帰的補助変数推論(RAVI)はフレキシブルな提案を利用するための新しいフレームワークである。 RAVIは、表現力のある表現力のある家族を推論するためのいくつかの既存の手法を一般化し、統一する。 RAVIの設計枠組みと定理を,SalimansらによるMarkov Chain Variational Inferenceを用いて解析し,改良することにより示す。
  論文  参考訳（メタデータ） (2022-03-05T23:52:40Z)
• Topographic VAEs learn Equivariant Capsules [84.33745072274942]
  本稿では, 地理的に整理された潜伏変数を用いた深部生成モデルを効率的に学習するための新しい手法であるTopographic VAEを紹介する。 このようなモデルでは,MNIST上での桁数クラス,幅,スタイルなどの健全な特徴に応じて,その活性化を組織化することが実際に学べることが示される。 我々は、既存の群同変ニューラルネットワークの能力を拡張して、複素変換に近似した同値性を示す。
  論文  参考訳（メタデータ） (2021-09-03T09:25:57Z)
• Sequence Generation using Deep Recurrent Networks and Embeddings: A study case in music [69.2737664640826]
  本稿では,異なる種類の記憶機構(メモリセル)について評価し,音楽合成分野におけるその性能について検討する。 提案したアーキテクチャの性能を自動評価するために,定量的な測定値のセットが提示される。
  論文  参考訳（メタデータ） (2020-12-02T14:19:19Z)
• On Compositions of Transformations in Contrastive Self-Supervised Learning [66.15514035861048]
  本稿では,コントラスト学習をより広範な変換集合に一般化する。 特定の変換に不変であり、他の変換に特有であることは、効果的なビデオ表現の学習に不可欠である。
  論文  参考訳（メタデータ） (2020-03-09T17:56:49Z)
• Modeling Musical Structure with Artificial Neural Networks [0.0]
  音楽構造モデリングのさまざまな側面に対する人工知能の適用について検討する。 Gated Autoencoder(GAE)というコネクショナリストモデルを用いて,楽曲の断片間の変換を学習する方法を示す。 本稿では,ポリフォニック・ミュージックを区間の連続として表現するGAEの特別な予測訓練を提案する。
  論文  参考訳（メタデータ） (2020-01-06T18:35:57Z)

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。