論文の概要: MADB: A Large-Scale Music Aesthetics Dataset with Professional and Multi-Dimensional Annotations

• arxiv url: http://arxiv.org/abs/2607.06929v1
• Date: Wed, 08 Jul 2026 02:49:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-09 22:50:30.265933
• Title: MADB: A Large-Scale Music Aesthetics Dataset with Professional and Multi-Dimensional Annotations
• Title（参考訳）: MADB: プロと多次元のアノテーションを備えた大規模音楽美学データセット
• Abstract要約: 音楽の美的評価は難しいが、未発見の問題だ。 我々は、30のトレーニングアノテータによって注釈付けされた9,999のトラックからなる大規模なデータセットとベンチマークであるMADBを紹介する。 結果は、モデル予測と人間の判断の間にかなりのギャップがあることを明らかにする。
• 参考スコア（独自算出の注目度）: 41.69497007649205
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Music aesthetic assessment is a challenging yet underexplored problem, requiring models to capture fine-grained, multi-dimensional human perceptual judgments. Progress in this area has been limited by the lack of large-scale datasets with structured aesthetic annotations. We introduce MADB, a large-scale dataset and benchmark comprising 9,999 tracks annotated by 30 trained annotators. Each track is rated by around 10 annotators across 10 perceptual dimensions and one overall score, with additional textual comments for multimodal analysis. We establish a unified evaluation framework over multiple pretrained models. Results reveal substantial gaps between model predictions and human judgments, exposing key limitations of current approaches. MADB provides a new benchmark for human-aligned music understanding. Project page: https://github.com/knownree/madb
• Abstract（参考訳）: 音楽の美的評価は難しいが、未調査の課題であり、モデルが細粒度で多次元の人間の知覚的判断を捉える必要がある。 この領域の進歩は、構造化された美的アノテーションを備えた大規模データセットの欠如によって制限されている。 我々は、30のトレーニングアノテータによって注釈付けされた9,999のトラックからなる大規模なデータセットとベンチマークであるMADBを紹介する。 各トラックは10の知覚次元の約10のアノテータと1つの総合スコアによって評価され、マルチモーダル分析のためのテキストコメントが追加されている。 複数の事前学習モデルに対して統一的な評価フレームワークを構築した。 その結果、モデル予測と人間の判断の間には大きなギャップがあり、現在のアプローチの重要な限界が明らかになっている。 MADBはヒューマンアライン音楽理解のための新しいベンチマークを提供する。 プロジェクトページ: https://github.com/knownree/madb

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)
• IncompeBench: A Permissively Licensed, Fine-Grained Benchmark for Music Information Retrieval [1.7053582188727738]
  音楽情報検索(MIR)の品質は大幅に向上している。 音楽検索性能を評価するための高品質なベンチマークが欠けている。 textbfIncompeBenchは、パーミッシブライセンス1,574ドル、高品質な音楽スニペット、500ドルの多様なクエリ、125,000ドルの個人関連性を備えたベンチマークです。
  論文  参考訳（メタデータ） (2026-02-12T13:37:58Z)
• VADB: A Large-Scale Video Aesthetic Database with Professional and Multi-Dimensional Annotations [65.0648741395158]
  VADBは最大のビデオ美学データベースで、10,490の多様なビデオが、複数の審美次元の37人のプロによって注釈付けされている。 VADB-Netは2段階のトレーニング戦略を備えたデュアルモーダル事前トレーニングフレームワークであり、スコアリングタスクにおける既存のビデオ品質アセスメントモデルよりも優れている。
  論文  参考訳（メタデータ） (2025-10-29T07:37:08Z)
• DCHM: Depth-Consistent Human Modeling for Multiview Detection [13.81157120485514]
  多視点歩行者検出は通常、人間のモデリングと歩行者のローカライゼーションという2つの段階を含む。 本稿では,一貫した深度推定と多視点融合を目的としたフレームワークDCHMを提案する。 提案する超画素ワイドガウススプラッティングパイプラインは,スパースビュー,大規模,混み合ったシナリオにおいて,多視点奥行きの整合性を実現する。
  論文  参考訳（メタデータ） (2025-07-19T06:37:14Z)
• 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)
• 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)
• MATT: A Multiple-instance Attention Mechanism for Long-tail Music Genre Classification [1.8275108630751844]
  不均衡音楽ジャンル分類は音楽情報検索(MIR)分野において重要な課題である。 既存のモデルのほとんどは、クラスバランスの音楽データセット用に設計されている。 末尾クラスを特定するために,MATT(Multi-Instance Attention)と呼ばれる新しいメカニズムを提案する。
  論文  参考訳（メタデータ） (2022-09-09T03:52:44Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)

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。