論文の概要: PianoCoRe: Combined and Refined Piano MIDI Dataset

• arxiv url: http://arxiv.org/abs/2605.06627v1
• Date: Thu, 07 May 2026 17:41:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.050307
• Title: PianoCoRe: Combined and Refined Piano MIDI Dataset
• Title（参考訳）: PianoCoRe: 統合されたピアノMIDIデータセット
• Authors: Ilya Borovik,
• Abstract要約: PianoCoReは、大規模なピアノMIDIデータセットで、主要なオープンソースピアノコーパスを統合し、洗練する。 データセットには、483人の作曲家によって書かれた5,625曲の250,046曲の演奏が含まれており、演奏された音楽の総数は21,763 hである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Symbolic music datasets with matched scores and performances are essential for many music information retrieval (MIR) tasks. Yet, existing resources often cover a narrow range of composers, lack performance variety, omit note-level alignments, or use inconsistent naming formats. This work presents PianoCoRe, a large-scale piano MIDI dataset that unifies and refines major open-source piano corpora. The dataset contains 250,046 performances of 5,625 pieces written by 483 composers, totaling 21,763 h of performed music. PianoCoRe is released in tiered subsets to support different applications: from large-scale analysis and pre-training (PianoCoRe-C and deduplicated PianoCoRe-B) to expressive performance modeling with note-level score alignment (PianoCoRe-A/A*). The note-aligned subset, PianoCoRe-A, provides the largest open-source collection of 157,207 performances aligned to 1,591 scores to date. In addition to the dataset, the contributions are: (1) a MIDI quality classifier for detecting corrupted and score-like transcriptions and (2) RAScoP, an alignment refinement pipeline that cleans temporal alignment errors and interpolates missing notes. The analysis shows that the refinement reduces temporal noise and eliminates tempo outliers. Moreover, an expressive performance rendering model trained on PianoCoRe demonstrates improved robustness to unseen pieces compared to models trained on raw or smaller datasets. PianoCoRe provides a ready-to-use foundation for the next generation of expressive piano performance research.
• Abstract（参考訳）: 多くの音楽情報検索(MIR)タスクにおいて,一致した楽譜と演奏のシンボリックな音楽データセットが不可欠である。 しかし、既存のリソースはしばしば、限られた範囲の作曲家、パフォーマンスの多様性の欠如、ノートレベルのアライメントの省略、一貫性のない命名形式の使用をカバーしている。 この研究は、大規模なピアノMIDIデータセットであるPianoCoReを提示し、主要なオープンソースピアノコーパスを統一し、洗練する。 データセットには、483人の作曲家によって書かれた5,625曲の250,046曲の演奏が含まれており、演奏された音楽の総数は21,763 hである。 PianoCoReは、大規模分析と事前トレーニング(PianoCoRe-Cとdeduplicated PianoCoRe-B)から、ノートレベルのスコアアライメント(PianoCoRe-A/A*)による表現力のあるパフォーマンスモデリング(PianoCoRe-A/A*)まで、さまざまなアプリケーションをサポートするために、階層化されたサブセットでリリースされている。 ノートアラインサブセットであるPianoCoRe-Aは、これまで1,591スコアに調整された157,207パフォーマンスの、最大のオープンソースコレクションを提供する。 このデータセットに加えて、(1)劣化やスコアライクな書き起こしを検出するMIDI品質分類器、(2)時間的アライメントエラーを浄化し、欠落ノートを補間するアライメント精錬パイプラインであるRAScoPが寄与される。 この分析により, 時間的ノイズを低減し, テンポ外周を除去できることが示唆された。 さらに、PanoCoReでトレーニングされた表現力のあるパフォーマンスレンダリングモデルでは、生または小のデータセットでトレーニングされたモデルと比較して、目に見えない部分に対する堅牢性が改善されている。 PianoCoReは、次世代の表現力豊かなピアノ演奏研究のための、使いやすい基礎を提供する。

関連論文リスト

• PianoVAM: A Multimodal Piano Performance Dataset [56.318475235705954]
  PianoVAMは、ビデオ、オーディオ、MIDI、手のランドマーク、指のラベル、リッチメタデータを含む包括的なピアノパフォーマンスデータセットである。 データセットはディクラヴィエピアノを使用して録音され、アマチュアピアニストの日々の練習セッション中にオーディオとMIDIをキャプチャした。 事前訓練されたポーズ推定モデルと半自動指先アノテーションアルゴリズムを用いて,手指のランドマークと指先ラベルを抽出した。
  論文  参考訳（メタデータ） (2025-09-10T17:35:58Z)
• PianoBind: A Multimodal Joint Embedding Model for Pop-piano Music [18.411484855945627]
  ソロピアノ音楽はジャンル、ムード、スタイルにまたがる豊かな意味情報を伝達する。 汎用的な音楽表現モデルは、同質のピアノ音楽において微妙な意味的区別を捉えるのにしばしば苦労する。 ピアノ固有のマルチモーダルな関節埋め込みモデルPianoBindを提案する。
  論文  参考訳（メタデータ） (2025-09-04T13:43:53Z)
• 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)
• Scaling Self-Supervised Representation Learning for Symbolic Piano Performance [52.661197827466886]
  本研究では,多量のシンボリック・ピアノ転写を訓練した自己回帰型トランスフォーマモデルの能力について検討した。 比較的小型で高品質なサブセットをファインチューンモデルに使い、音楽の継続を生成、シンボリックな分類タスクを実行し、汎用的なコントラストMIDI埋め込みを生成する。
  論文  参考訳（メタデータ） (2025-06-30T14:00:14Z)
• Towards Video to Piano Music Generation with Chain-of-Perform Support Benchmarks [6.895278984923356]
  Chain-of-Perform (CoP)ベンチマークは、ビデオ誘導ピアノ音楽生成のための、完全にオープンソースでマルチモーダルなベンチマークである。 CoPベンチマークは詳細なマルチモーダルアノテーションを提供し、ビデオコンテンツとピアノオーディオの正確な意味と時間的アライメントを可能にする。 データセットはhttps://github.com/acappemin/Video-to-Audio-and-Pianoで公開されている。
  論文  参考訳（メタデータ） (2025-05-26T14:24:19Z)
• PBSCR: The Piano Bootleg Score Composer Recognition Dataset [5.314803183185992]
  PBSCR(PBSCR)は、クラシックピアノ音楽の作曲家認識を研究するためのデータセットである。 9クラス認証タスクには4万の62x64ブートレグスコアイメージ、100クラス認証タスクには10万の62x64ブートレグスコアイメージ、事前トレーニングには未ラベルの可変長ブートレグスコアイメージ29,310が含まれる。
  論文  参考訳（メタデータ） (2024-01-30T07:50:32Z)
• 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)

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。