論文の概要: Cosmodoit: A Python Package for Adaptive, Efficient Pipelining of Feature Extraction from Performed Music

• arxiv url: http://arxiv.org/abs/2605.03541v1
• Date: Tue, 05 May 2026 09:14:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:43.863573
• Title: Cosmodoit: A Python Package for Adaptive, Efficient Pipelining of Feature Extraction from Performed Music
• Title（参考訳）: Cosmodoit: 演奏音楽から特徴抽出の適応的で効率的なパイプライニングのためのPythonパッケージ
• Authors: Corentin Guichaoua, Daniel Bedoya, Elaine Chew,
• Abstract要約: Cosmodoitは、演奏された音楽から特徴抽出を合理化するように設計された新しいPythonパッケージである。 モジュール設計は重複作業の削減、エラーの最小化、大規模処理の効率化を実現している。
• 参考スコア（独自算出の注目度）: 0.5352699766206808
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computational analysis of performed music is a key component of music information research, as performance shapes much of the music we hear. Music performance analysis studies the acoustic variations introduced by performers and how these variations reflect musical interpretation and structure. Although many algorithms and tools exist for tasks such as performance-to-score alignment and symbolic or audio feature extraction, they are spread across different programming languages and data formats, making them difficult to combine efficiently. To address this problem, we present Cosmodoit, a novel Python package designed to streamline feature extraction from performed music. Cosmodoit integrates performance-to-score alignment with symbolic and audio feature extraction in a modular, flexible pipeline that supports selective processing, dependency-aware computation, and incremental updates. Its extensible design reduces duplicated work, minimizes errors, and enables efficient large-scale processing. By accommodating algorithms implemented in multiple languages and allowing parameter tuning for consistent feature extraction, Cosmodoit provides a versatile and practical tool for both research and development in music performance analysis.
• Abstract（参考訳）: 演奏された音楽の計算分析は、演奏が聴く音楽の多くを形作るため、音楽情報研究の鍵となる要素である。 音楽演奏分析は、演奏者が導入した音響的変化と、これらの変化が音楽解釈と構造をどのように反映しているかを研究する。 パフォーマンス・ツー・スコアのアライメントやシンボリックな特徴抽出、音声特徴抽出といったタスクには多くのアルゴリズムやツールが存在するが、それらは異なるプログラミング言語やデータ形式に分散しており、効率的に組み合わせることが困難である。 この問題に対処するために,演奏音楽から特徴抽出を合理化する新しいPythonパッケージであるCosmodoitを提案する。 Cosmodoitは、選択的処理、依存性対応計算、インクリメンタルアップデートをサポートするモジュール型の柔軟なパイプラインで、パフォーマンスとスコアのアライメントと、シンボリックとオーディオの機能抽出を統合している。 その拡張可能な設計は、重複処理を減らし、エラーを最小限にし、より効率的な大規模処理を可能にする。 複数の言語で実装されたアルゴリズムを調整し、一貫した特徴抽出のためのパラメータチューニングを可能にすることで、Cosmodoitは、音楽パフォーマンス分析の研究と開発の両方のための汎用的で実用的なツールを提供する。

関連論文リスト

• Revisiting Content-Based Music Recommendation: Efficient Feature Aggregation from Large-Scale Music Models [54.4270504928356]
  Music Recommendation Systems (MRS)は、現代のストリーミングプラットフォームの基盤である。 我々は,音楽レコメンデーションにおけるマルチモーダル情報の役割を強調するために,総合的なデータセットとベンチマークフレームワークであるTASTEを提案する。 近年の大規模自己監督型音楽エンコーダの活用により,レコメンデーションタスク間で抽出された音声表現の意義を実証する。
  論文  参考訳（メタデータ） (2026-02-10T15:24:41Z)
• Scalable Music Cover Retrieval Using Lyrics-Aligned Audio Embeddings [7.3788020779010255]
  音楽カバー検索(英: Music Cover Retrieval)またはバージョン識別(英: Version Identification)は、同じ音楽作品の異なる再考を認識することを目的としている。 LIVI(Lyrics-Informed Version Identification)は,検索精度と計算効率のバランスをとる手法である。
  論文  参考訳（メタデータ） (2026-01-16T13:11:38Z)
• 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)
• 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)
• Semantic-Aware Interpretable Multimodal Music Auto-Tagging [1.8541450825478398]
  本稿では,音楽に有意義なマルチモーダル特徴群を利用した自動タグ付けのための解釈可能なフレームワークを提案する。 提案手法は,意思決定プロセスのより深い理解を提供しながら,競争力のあるタグ付け性能を実現する。
  論文  参考訳（メタデータ） (2025-05-22T19:15:48Z)
• Progressive Rock Music Classification [0.0]
  本研究では,複雑な構成と多種多様な楽器を特徴とするジャンルである,プログレッシブ・ロック音楽の分類について検討する。 我々は、スペクトログラム、Mel-Frequency Cepstral Coefficients (MFCC)、クロマグラム、歌のスニペットからのビート位置などの総合的なオーディオ特徴を抽出した。 スニペットレベルの予測を最終曲分類に集約するために、すべての投票を勝者とする戦略が採用された。
  論文  参考訳（メタデータ） (2025-04-15T02:48:52Z)
• Music Genre Classification: A Comparative Analysis of CNN and XGBoost Approaches with Mel-frequency cepstral coefficients and Mel Spectrograms [0.0]
  提案した畳み込みニューラルネットワーク(CNN)、完全連結層(FC)を持つVGG16、異なる特徴に対するeXtreme Gradient Boosting(XGBoost)アプローチの3つのモデルの性能について検討した。 さらに,データ前処理フェーズにデータセグメンテーションを適用することで,CNNの性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2024-01-09T01:50:31Z)
• Performance Embeddings: A Similarity-based Approach to Automatic Performance Optimization [71.69092462147292]
  パフォーマンス埋め込みは、アプリケーション間でパフォーマンスチューニングの知識伝達を可能にする。 本研究では, 深層ニューラルネットワーク, 密度およびスパース線形代数合成, および数値風速予測ステンシルのケーススタディにおいて, この伝達チューニング手法を実証する。
  論文  参考訳（メタデータ） (2023-03-14T15:51:35Z)
• 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)
• A framework to compare music generative models using automatic evaluation metrics extended to rhythm [69.2737664640826]
  本稿では,前回の研究で提示された,リズムを考慮せず,設計決定を下すための枠組みを取り上げ,単音素音楽作成における2つのrnnメモリセルの性能評価のためにリズムサポートを付加した。 モデルでは,音素変換の処理を考慮し,リズムサポートを付加した幾何学に基づく自動計測値を用いて,生成した楽曲の質を評価する。
  論文  参考訳（メタデータ） (2021-01-19T15:04:46Z)

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。