論文の概要: BMdataset: A Musicologically Curated LilyPond Dataset

• arxiv url: http://arxiv.org/abs/2604.10628v1
• Date: Sun, 12 Apr 2026 13:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.138054
• Title: BMdataset: A Musicologically Curated LilyPond Dataset
• Title（参考訳）: BMdataset:音楽的にキュレートされたLilyPondデータセット
• Abstract要約: BMdatasetは、音楽学的にキュレートされた393のLilyPondスコア(2,646運動)のデータセットである CodeBERTベースのエンコーダであるLilyBERTを導入し,語彙拡張によるシンボリック音楽に適応する。 BMdatasetだけでの微調整は、作曲家とスタイルの分類において、完全なPDMXコーパスでの連続事前訓練よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 1.0705399532413615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Symbolic music research has relied almost exclusively on MIDI-based datasets; text-based engraving formats such as LilyPond remain unexplored for music understanding. We present BMdataset, a musicologically curated dataset of 393 LilyPond scores (2,646 movements) transcribed by experts directly from original Baroque manuscripts, with metadata covering composer, musical form, instrumentation, and sectional attributes. Building on this resource, we introduce LilyBERT (weights can be found at https://huggingface.co/csc-unipd/lilybert), a CodeBERT-based encoder adapted to symbolic music through vocabulary extension with 115 LilyPond-specific tokens and masked language model pre-training. Linear probing on the out-of-domain Mutopia corpus shows that, despite its modest size (~90M tokens), fine-tuning on BMdataset alone outperforms continuous pre-training on the full PDMX corpus (~15B tokens) for both composer and style classification, demonstrating that small, expertly curated datasets can be more effective than large, noisy corpora for music understanding. Combining broad pre-training with domain-specific fine-tuning yields the best results overall (84.3% composer accuracy), confirming that the two data regimes are complementary. We release the dataset, tokenizer, and model to establish a baseline for representation learning on LilyPond.
• Abstract（参考訳）: シンボリック音楽の研究はほとんどMIDIベースのデータセットに頼っているが、LilyPondのようなテキストベースのエングレービング形式は、音楽の理解のために探索されていない。 本稿では,393点のLilyPond楽譜 (2,646楽章) の楽譜データベースBMdatasetについて述べる。 このリソース上に構築されたLilyBERT(https://huggingface.co/csc-unipd/lilybert)は,115のLilyPond固有のトークンとマスク付き言語モデルの事前トレーニングによる語彙拡張を通じて,シンボル音楽に適応したCodeBERTベースのエンコーダである。 外部ドメインの Mutopia corpus の線形探索により、BMdataset の微調整だけでは、作曲家とスタイルの両方の分類のための完全な PDMX corpus (~15B トークン) での継続的な事前学習よりも優れており、小規模で専門的にキュレートされたデータセットは、音楽理解のための大きなノイズの多いコーパスよりも効果的であることが示されている。 幅広い事前トレーニングとドメイン固有の微調整を組み合わせることで、最も優れた結果(84.3%の作曲家の精度)が得られる。 LilyPond上での表現学習のベースラインを確立するために,データセット,トークン,モデルをリリースする。

関連論文リスト

• Can LLMs understand LilyPond? A benchmark for symbolic music generation and understanding [0.9886053654565675]
  大規模な言語モデルのシンボリック音楽評価は、表現、データセット、メトリクスで断片化されている。 LilyBenchはLilyPondベースのベンチマークで、オープンウェイトLLMの同じファミリー上で、象徴的な音楽生成と音楽理解を共同で評価する。
  論文  参考訳（メタデータ） (2026-06-07T16:32:59Z)
• FIGMA: Towards FIne-Grained Music retrievAl [65.98380295254817]
  自然言語記述による音楽の検索はCLAPのような対照的な音声テキストモデルで改善されているが、現在のシステムはいまだに大まかなセマンティッククエリに限られている。 この制限は、長いキャプションで訓練されているにもかかわらず、CLAPベースのモデルは、最初の数個のトークンのみを効果的に活用する。 本研究では,グローバルな音声テキストアライメントとフレームレベルのトークンアライメントを共同で最適化することで,この制限に対処するマルチビューコントラストアーキテクチャであるFIGMAを提案する。
  論文  参考訳（メタデータ） (2026-06-04T18:05:39Z)
• MuCPT: Music-related Natural Language Model Continued Pretraining [2.2288022262475873]
  我々は、オープンソースのデータと社内データを組み合わせた大規模な音楽関連自然言語コーパス(40Bトークン)を構築します。 また、基準モデル(RM)に基づくトークンレベルのソフトスコアリングを導入し、品質管理を行う。 全体として、この作業は適切なコーパスと適切な目的の両方を前進させ、スケーラブルなデータトレーニングフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-11-18T08:33:34Z)
• 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)
• CLIMB: CLustering-based Iterative Data Mixture Bootstrapping for Language Model Pre-training [63.07024608399447]
  本稿では,事前学習環境でデータ混合物を発見し,評価し,精製する自動フレームワークを提案する。 ClimbLabは、20のクラスタを研究用グラウンドとして、フィルタされた1.2トリリオントーケンコーパスであり、ClimbMixはコンパクトだが強力な400ビリオントーケンデータセットである。
  論文  参考訳（メタデータ） (2025-04-17T17:58:13Z)
• JamendoMaxCaps: A Large Scale Music-caption Dataset with Imputed Metadata [6.230204066837519]
  JamendoMaxCapsは、Jamendoプラットフォームから362,000以上のフリーライセンスのインストゥルメンタルトラックを備えた、大規模なミュージックキャプションデータセットである。 データセットには、最先端のキャプションモデルによって生成されたキャプションが含まれており、暗黙のメタデータで強化されている。
  論文  参考訳（メタデータ） (2025-02-11T11:12:19Z)
• LexMatcher: Dictionary-centric Data Collection for LLM-based Machine Translation [67.24113079928668]
  本稿では、バイリンガル辞書に見られる感覚のカバレッジによって駆動されるデータキュレーション手法であるLexMatcherを提案する。 我々の手法は、WMT2022テストセットの確立されたベースラインよりも優れています。
  論文  参考訳（メタデータ） (2024-06-03T15:30:36Z)
• 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)
• Practical End-to-End Optical Music Recognition for Pianoform Music [3.69298824193862]
  私たちはLinearized MusicXMLと呼ばれるシーケンシャルなフォーマットを定義します。 我々は,OpenScore Lieder corpus に基づいて MusicXML をベースとしたベンチマーク型セット OMR を作成する。 データセットのベースラインとして機能し、TEDnメトリックを使用してモデルを評価するために、エンドツーエンドモデルをトレーニングし、微調整する。
  論文  参考訳（メタデータ） (2024-03-20T17:26:22Z)
• Exploring the Efficacy of Pre-trained Checkpoints in Text-to-Music Generation Task [86.72661027591394]
  テキスト記述から完全で意味論的に一貫したシンボリック音楽の楽譜を生成する。 テキスト・音楽生成タスクにおける自然言語処理のための公開チェックポイントの有効性について検討する。 実験結果から, BLEUスコアと編集距離の類似性において, 事前学習によるチェックポイントの使用による改善が統計的に有意であることが示唆された。
  論文  参考訳（メタデータ） (2022-11-21T07:19:17Z)
• MusicBERT: Symbolic Music Understanding with Large-Scale Pre-Training [97.91071692716406]
  シンボリック・ミュージックの理解(シンボリック・ミュージックの理解)とは、シンボリック・データから音楽を理解することを指す。 MusicBERTは、音楽理解のための大規模な事前訓練モデルである。
  論文  参考訳（メタデータ） (2021-06-10T10:13:05Z)
• Contrastive Learning of Musical Representations [0.0]
  SimCLRを音楽領域に導入し、音楽の生の波形の自己監督学習のためのフレームワークを形成する:CLMR。 CLMRの表現はドメイン外のデータセットで転送可能であることを示し、重要な音楽知識を捉えていることを示す。 音楽における自己教師付き学習の促進と今後の研究のために,本論文のすべての実験の事前学習モデルとソースコードをgithubに公開する。
  論文  参考訳（メタデータ） (2021-03-17T02:53:55Z)

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。