論文の概要: UOT-IR: Structured Routing of High-Polyphony Symbolic Music into Fixed-Budget Representations
- arxiv url: http://arxiv.org/abs/2608.00576v1
- Date: Sat, 01 Aug 2026 10:29:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.783696
- Title: UOT-IR: Structured Routing of High-Polyphony Symbolic Music into Fixed-Budget Representations
- Title（参考訳）: UOT-IR:ハイポリフォニーシンボリック音楽の固定予算表現への構造的ルーティング
- Abstract要約: 本研究では, 圧縮問題を固定予算型ルーティング問題として再検討する。
UOT-IR(Un Balanced Optimal Transport for Information Routing)は、制約のない最適輸送に基づくトレーニングフリーフレームワークである。
SymphonyNetコーパスの実験では、UOT-IRは両方の設定で高い全体的なパフォーマンスを提供する。
- 参考スコア（独自算出の注目度）: 26.793789931591746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-polyphony symbolic music is increasingly used in generation, analysis, and arrangement, yet many downstream tasks require bounded representations with fixed tracks or slots. Converting richly orchestrated scores into compact forms is therefore necessary, but existing approaches relying on heuristic simplification or generic representation-space reduction often fail to preserve structural roles, orchestration compatibility, and playability under strict budgets. To address the issue, this study reformulates the compression problem as a fixed-budget structured routing problem and proposes Unbalanced Optimal Transport for Information Routing (UOT-IR), a training-free framework based on constrained unbalanced optimal transport. UOT-IR combines an orchestration prior, adaptive marginal relaxation, temporal decoding, and playability-aware projection to produce compact and musically coherent bounded representations. This work further studies two practical settings under the same slot budget: template standardization, which maps each input to a predefined bounded template, and adaptive preservation, which retains representative content without assuming an external template. Experiments on the SymphonyNet corpus show that UOT-IR delivers strong overall performance across both settings, including the best Note-F1 in adaptive preservation (0.9120), together with the lowest structural cost (14.7165) and bad structural confusion rate (0.3406) in template standardization. This work establishes a principled paradigm for fixed-budget symbolic music compression, offering a practical path toward compact, structured, and musically coherent symbolic representations.
- Abstract（参考訳）: ハイポリーフォニーのシンボリック音楽は、生成、分析、アレンジメントにますます使われているが、多くの下流タスクは固定されたトラックやスロットを持つ有界表現を必要とする。
したがって、リッチに編成された楽譜をコンパクトな形式に変換する必要があるが、ヒューリスティックな単純化や一般的な表現空間の縮小に依存する既存のアプローチは、厳格な予算の下で構造的役割、オーケストレーションの互換性、演奏性を維持するのに失敗することが多い。
本研究は, 圧縮問題を固定予算構造的ルーティング問題として再検討し, 制約のない最適輸送に基づくトレーニングフリーフレームワークであるun Balanced Optimal Transport for Information Routing (UOT-IR)を提案する。
UOT-IRは、コンパクトで音楽的に一貫性のある有界表現を生成するために、オーケストレーションの事前、適応的な辺縁緩和、時間的復号化、および再生可能性を考慮した投影を組み合わせる。
テンプレート標準化は、各入力を予め定義された有界テンプレートにマッピングし、適応保存は、外部テンプレートを仮定せずに代表コンテンツを保持する。
SymphonyNet corpus の実験では、UTT-IR は適応保存(0.9120)における最高の Note-F1 や、テンプレート標準化における最低構造コスト (14.7165) と悪い構造混乱率 (0.3406) など、両方の設定で高い全体的な性能を提供している。
この研究は固定予算記号圧縮の原則的パラダイムを確立し、コンパクトで構造化され、音楽的に一貫性のある記号表現への実践的な経路を提供する。
関連論文リスト
- Improving Visual Representation Alignment Generation with GRPO [51.071351994330605]
拡散変換器は強い画像合成能力を示したが、弱いアライメントのため、列車には非効率である。
本稿では,REPAの静的アライメント損失を生成的表現ポリシー最適化の目的に置き換える,強化に基づく最適化戦略であるVRPOを提案する。
当社のVRPO駆動トレーニングは拡散トランスフォーマーにシームレスに統合され、無視可能なコストを導入し、SiTとDiTアーキテクチャとの完全な互換性を維持します。
論文 参考訳（メタデータ） (2026-05-30T07:21:40Z) - Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。
既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。
動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-25T09:57:46Z) - Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。
モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
論文 参考訳（メタデータ） (2026-05-16T12:01:04Z) - SCRWKV: Ultra-Compact Structure-Calibrated Vision-RWKV for Topological Crack Segmentation [36.61448234263959]
SCRWKV(Ultra-Compact Structure-Calibrated Vision RWKV)を提案する。
このネットワークは、線形複雑性を維持しながら、新しいStructure-Fieldバックボーンを介して高精度なモデリングを実現する。
SCRWKVは1.22Mのパラメータしか持たないが,SOTA法では著しく優れていた。
論文 参考訳（メタデータ） (2026-05-14T15:01:22Z) - AHPA: Adaptive Hierarchical Prior Alignment for Diffusion Transformers [24.937985157569823]
我々は,信号と雑音の比に応じて,表現監督の有用な粒度が体系的に変化するため,このような時間ステップに依存しないアライメントが最適であると主張する。
ハイノイズでは拡散モデルはより粗い意味とレイアウトレベルのアンカーの恩恵を受けるが、低ノイズでは、トレーニング信号は空間的詳細で構造的に忠実な洗練を強調するべきである。
この非定常アライメント動作は、静的なシングルレベルスーパーバイザーに対する表現ミスマッチを生成する。
論文 参考訳（メタデータ） (2026-05-05T03:07:29Z) - Chain of Modality: From Static Fusion to Dynamic Orchestration in Omni-MLLMs [84.3271821505699]
カオス・オブ・モダリティ(Chain of Modality, CoM)は、マルチモーダル融合を受動的結合から動的オーケストレーションに移行するエージェントフレームワークである。
CoMはトレーニングフリーまたはデータ効率のSFT設定で動作し、様々なベンチマークで堅牢で一貫した一般化を実現する。
論文 参考訳（メタデータ） (2026-04-16T01:21:14Z) - Incorporating Structure and Chord Constraints in Symbolic Transformer-based Melodic Harmonization [2.087792589220897]
本稿では,メロディに予め定義されたコード制約,すなわち特定の位置にある所望のコードとメロディを入力として提供する場合について検討する。
このような制約にかかわる特異性について論じ、この問題に対処するためのアルゴリズムを提案する。
このアルゴリズムはB*と呼ばれ、ビームサーチとA*の側面とバックトラックを組み合わせて、事前訓練されたトランスフォーマーにコード制約を満たすように強制する。
論文 参考訳（メタデータ） (2025-12-08T15:16:33Z) - Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
線形木探索はLarge Language Model (LLM) 研究の基盤となっている。
本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-11T03:29:18Z) - Synthesizing Composite Hierarchical Structure from Symbolic Music Corpora [32.18458296933001]
構造時間グラフ(STG)と呼ばれる音楽構造の統一的階層的メタ表現を提案する。
シングルピースの場合、STGは、より微細な構造的音楽的特徴の階層構造とそれらの間の時間的関係を定義するデータ構造である。
論文 参考訳（メタデータ） (2025-02-21T02:32:29Z) - Unifying Symbolic Music Arrangement: Track-Aware Reconstruction and Structured Tokenization [19.27890803128116]
自動マルチトラック音楽アレンジメントのための統合フレームワークを提案する。
中心となるのは、トークンレベルのアンタングルされたコンテンツとスタイルで動作するセグメントレベルの再構築目標である。
トラックワイズ・モデリングを支援するため,マルチトラック・シンボリック・ミュージックのための構造化トークン化手法であるREMI-zを導入する。
論文 参考訳（メタデータ） (2024-08-27T16:18:51Z) - AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
本稿では,AdaStereoというドメイン適応型アプローチを提案する。
我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。
提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
論文 参考訳（メタデータ） (2021-12-09T15:10:47Z)
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。