論文の概要: Profy: Interpretable Visualization of Expertise-Dependent Motor Skills Toward Supporting Piano Practice

• arxiv url: http://arxiv.org/abs/2606.10627v1
• Date: Tue, 09 Jun 2026 09:28:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.420635
• Title: Profy: Interpretable Visualization of Expertise-Dependent Motor Skills Toward Supporting Piano Practice
• Title（参考訳）: Profy:ピアノ練習支援に向けたエキスパート依存型モータースキルの解釈的可視化
• Authors: Kazuki Kawamura, Fujiki Nakamura, Hayato Nishioka, Momoko Shioki, Shinichi Furuya, Jun Rekimoto,
• Abstract要約: Profyは、集約されたリスナー評価から派生したテイクレベルラベルから学習する、弱教師付きシステムである。 73人のピアニストから1kHzのキーモーションとオーディオを同期して収集し,1083個の有効なテイクをモデリングと評価に使用した。
• 参考スコア（独自算出の注目度）: 15.870409879347855
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The quality of piano performance depends on nuanced timing, articulation, and dynamic control, but practice feedback is often summary-based and hard to act on. We introduce Profy, a weakly supervised system that learns from take-level labels derived from aggregated listener ratings (expert-labeled vs. amateur-labeled) to produce time-aligned highlights for review during piano practice. We collected synchronized 1 kHz key-motion and audio from 73 pianists and used 1,083 valid takes for modeling and evaluation. The model outputs clip-level predictions together with evidence scores on a shared resampled model time base for visualization. On 20 amateur clips from short technique studies annotated by 21 expert pianists, the displayed highlight score aligns with passages that expert pianists marked for review despite training without localized labels (Pearson r=0.61, ROC-AUC 0.75). Rather than summarizing a take with a single global score, Profy helps learners decide where to inspect next by supporting scrubbing, looping, and focused replay of time-localized passages associated with expert-amateur differences.
• Abstract（参考訳）: ピアノ演奏の質は、微妙なタイミング、調音、動的制御に依存しているが、実践的なフィードバックはしばしば要約に基づくものであり、実行しにくい。 Profyは,ピアノ練習中に,聴取者格付け(専門家ラベルとアマチュアラベル)から学習し,時間順のハイライトをピアノ練習中に生成する,弱教師付きシステムである。 73人のピアニストから1kHzのキーモーションとオーディオを同期して収集し,1083個の有効なテイクをモデリングと評価に使用した。 モデルは、ビジュアライゼーションのための共有サンプルモデルベース上で、クリップレベルの予測とエビデンススコアを出力する。 21人の熟練ピアニストが注釈を付けた短い技術研究の20のアマチュアクリップでは、このハイライトスコアは、ローカライズされたラベルのないトレーニング(Pearson r=0.61, ROC-AUC 0.75)にもかかわらず、専門家ピアニストがレビューのためにマークしたパスと一致している。 Profyは、単一のグローバルスコアでテイクを要約するのではなく、スクラブ、ループ、専門家とアマチュアの差異に関連する時間的局所的な通路の集中的なリプレイをサポートすることで、学習者が次に検査する場所を決定するのに役立つ。

関連論文リスト

• 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)
• TeachObs: A Human-Validated Benchmark for Multimodal Teaching Observation and Model Evaluation [0.12079404108544865]
  textitTeachObsは,授業ビデオにおけるマルチモーダル授業観察のための人間検証ベンチマークである。 textitTeachObsには、8カ国の30の公開レッスンビデオがあり、5,158の固定15秒のシーンに分けられる。
  論文  参考訳（メタデータ） (2026-05-29T00:06:54Z)
• HumMusQA: A Human-written Music Understanding QA Benchmark Dataset [2.7761207021407217]
  本稿では,音楽教育の専門家による手書き質問320件の新しいデータセットを提案する。 このデータセットの使用を実証するため、6つの最先端のLALMをベンチマークし、一様ショートカットに対するロバスト性をテストした。
  論文  参考訳（メタデータ） (2026-03-29T21:33:07Z)
• Evaluating High-Resolution Piano Sustain Pedal Depth Estimation with Musically Informed Metrics [6.751810806583042]
  本稿では,標準フレームレベルの指標を行動レベル評価の方向とタイミングで拡張する評価フレームワークを提案する。 その結果,MIDIインフォームドモデルでは,フレームレベルがわずかに向上するにもかかわらず,動作レベルやジェスチャーレベルにおいて,他のモデルよりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-10-04T09:29:52Z)
• 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)
• 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)
• Tempo estimation as fully self-supervised binary classification [6.255143207183722]
  ラベル付きデータに依存しない完全自己教師型アプローチを提案する。 提案手法は,テンポに関する情報を含む様々な特性を,すでに汎用的な(音楽的な)オーディオ埋め込みがエンコードしているという事実に基づいている。
  論文  参考訳（メタデータ） (2024-01-17T00:15:16Z)
• Early Action Recognition with Action Prototypes [62.826125870298306]
  本稿では,各クラスに対するフルアクションのプロトタイプ表現を学習する新しいモデルを提案する。 映像を短いクリップに分解し、視覚エンコーダがそれぞれのクリップから特徴を独立して抽出する。 その後、デコーダは、最終クラスの予測のために、すべてのクリップからオンラインのファッション機能として集約される。
  論文  参考訳（メタデータ） (2023-12-11T18:31:13Z)
• Beyond Short Clips: End-to-End Video-Level Learning with Collaborative Memories [56.91664227337115]
  本稿では,ビデオの複数のサンプルクリップにまたがる情報を,トレーニングイテレーション毎にエンコードするコラボレーティブメモリ機構を提案する。 これにより、単一のクリップ以上の長距離依存関係の学習が可能になる。 提案するフレームワークはエンドツーエンドでトレーニング可能で,計算オーバーヘッドが無視できないビデオ分類精度が大幅に向上する。
  論文  参考訳（メタデータ） (2021-04-02T18:59:09Z)
• Noisy Self-Knowledge Distillation for Text Summarization [83.49809205891496]
  我々は, テキスト要約に自己知識蒸留を適用し, 最大習熟時の問題を緩和できると考えている。 学生要約モデルは,学習の正規化を支援するスムーズなラベルを生成する教師の指導によって訓練される。 筆者らは,3つのベンチマークを用いて,事前学習と非事前学習の両方のパフォーマンス向上を実証した。
  論文  参考訳（メタデータ） (2020-09-15T12:53:09Z)
• Time-Frequency Scattering Accurately Models Auditory Similarities Between Instrumental Playing Techniques [5.923588533979649]
  音色知覚は楽器や演奏技術だけで提供されるものよりも柔軟な分類法で機能することを示す。 本稿では,楽器,ミュート,技法間の類似性のクラスタグラフを復元するマシンリスニングモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-21T16:37:15Z)

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。