論文の概要: A Dataset and Benchmark for Optical Music Recognition of String Quartet Scores
- arxiv url: http://arxiv.org/abs/2608.10978v1
- Date: Tue, 11 Aug 2026 14:35:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.076262
- Title: A Dataset and Benchmark for Optical Music Recognition of String Quartet Scores
- Title（参考訳）: 弦楽四重奏曲の楽譜認識のためのデータセットとベンチマーク
- Abstract要約: マルチパートOMR専用の最初のデータセットであるOpenScore String Quartet for Optical Music Recognition (OSSQ-OMR)を紹介する。
OSSQ-OMRは、ICSLPのオリジナルのスキャン済み版とデジタル符号化されたスコアのペアで、すべての画像が文字に視覚的に一致している。
データセットはシステムレベルとスタッフレベルでスコアイメージとともにリリースされ、LMXE(Extended Linearized MusicXML)、**kern、ABCの3つのエンコーディングフォーマットでペア化されている。
- 参考スコア（独自算出の注目度）: 13.406503532826827
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Optical music recognition (OMR) transcribes music scores into digital formats. While the field has advanced significantly on monophonic and piano-form scores, multi-part score transcription remains underexplored, largely due to the absence of a suitable dataset. We introduce OpenScore String Quartet for Optical Music Recognition (OSSQ-OMR), the first dataset dedicated to multi-part OMR. Built on the OpenScore String Quartet corpus, OSSQ-OMR pairs digitally encoded scores with their original scanned editions from IMSLP, with all images visually aligned to their transcriptions. The dataset is released with score images at system and staff levels, and paired transcriptions in three encoding formats: Extended Linearized MusicXML (LMXE), **kern, and ABC. In total, OSSQ-OMR contains 24,544 system images and 98,172 staff images drawn from 116 string quartet scores. We accompany the dataset with a benchmark protocol and baseline results from two representative OMR models, evaluated across four random score-level splits with mutually exclusive test sets. Baselines reach OMR-NED as low as 3.6% on synthetic and 5.9% on scanned inputs; results reveal substantial effects of encoding and segmentation choices, with the LSTM-based baseline degrading on scanned inputs roughly 2.6 times less than the Transformer-based baseline.
- Abstract（参考訳）: 光音楽認識(OMR)は、音楽の楽譜をデジタル形式に転写する。
フィールドはモノフォニックとピアノの楽譜に大きく進歩しているが、多部楽譜の書き起こしは、主に適切なデータセットが欠如しているため、未発見のままである。
マルチパートOMR専用の最初のデータセットであるOpenScore String Quartet for Optical Music Recognition (OSSQ-OMR)を紹介する。
OpenScore String Quartet corpus上に構築されたOSSQ-OMRは、ICSLPからスキャンしたオリジナル版とデジタル符号化されたスコアをペアリングする。
データセットはシステムレベルとスタッフレベルでスコアイメージとともにリリースされ、LMXE(Extended Linearized MusicXML)、**kern、ABCの3つのエンコーディングフォーマットでペア化されている。
OSSQ-OMRには24,544個のシステムイメージと116個の弦楽四重奏譜から抽出された98,172個のスタッフイメージが含まれている。
ベンチマークプロトコルと2つの代表的なOMRモデルによるベースライン結果とを伴い、相互に排他的なテストセットを持つ4つのランダムスコアレベルスプリットで評価した。
ベースラインはOMR-NEDが3.6%、スキャンされた入力では5.9%と低い値に達し、LSTMベースのベースラインの劣化はトランスフォーマーベースのベースラインの約2.6倍小さい。
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) - Multimodal Music Recommendation System using LLMs [53.1178230380919]
本稿では,LastFM-1Kデータセットを3つの補完信号で強化するセッションベース音楽レコメンデーションフレームワークを提案する。
マルチモーダル機能と異なるアイテムIDエンコーダバックボーンで拡張することで、E4SRecフレームワークを採用する。
実験の結果,コンテンツベース機能の統合により,リコールでは最大95%,NDCGでは最大79%のベースラインが向上した。
論文 参考訳（メタデータ） (2026-05-28T15:34:12Z) - Transcoda: End-to-End Zero-Shot Optical Music Recognition via Data-Centric Synthetic Training [13.569431145803792]
i) 高度な合成データ生成パイプライン上に構築されたOMRシステムであるTranscoda, (ii) 独自の正規形式を強制する*kernエンコーディングの正規化, (iii) 出力の構文的正しさを保証する文法に基づく復号化を提案する。
Transcodaは18.46%のOMR-NED(次のベストシステムであるLegotoで43.91%に比較)で新たにキュレートされたOMR-NED(OMR-NED)のベンチマークで、過去のポーランドのスキャンのエラー率を63.97%に下げた。
論文 参考訳（メタデータ） (2026-05-11T16:50:28Z) - Memo2496: Expert-Annotated Dataset and Dual-View Adaptive Framework for Music Emotion Recognition [57.869107847456725]
Music Emotion Recogniser (MER) の研究は、高品質なアノテートデータセットの制限と、クロストラック機能ドリフトに対処することの難しさにより、課題に直面している。
この研究は、これらの問題に対処するための2つの主要な貢献を示す。
論文 参考訳（メタデータ） (2025-12-16T01:34:03Z) - LEGATO: Large-scale End-to-end Generalizable Approach to Typeset OMR [42.106037880603445]
Legatoは光学音楽認識(OMR)の新しいエンドツーエンドモデルである
フルページまたはマルチページのタイプセット音楽のスコアを認識し、ABC表記で文書を生成することができる。
我々は、さまざまなデータセットとメトリクスに関する包括的な実験を行い、Legatoが過去の最先端技術より優れていることを示す。
論文 参考訳（メタデータ） (2025-06-23T19:35:59Z) - Sheet Music Benchmark: Standardized Optical Music Recognition Evaluation [6.2874069879764]
Sheet Music Benchmark (SMB) は、光学音楽認識(OMR)研究のベンチマーク用に特別に設計された600ページと805ページのデータセットである。
OMR正規化編集距離(OMR-NED)は、OMRの性能を評価するために明示的に調整された新しい指標である。
論文 参考訳（メタデータ） (2025-06-12T08:42:19Z) - LOCR: Location-Guided Transformer for Optical Character Recognition [55.195165959662795]
自動回帰中にトランスフォーマーアーキテクチャに位置案内を組み込むモデルであるLOCRを提案する。
125Kの学術文書ページから777万以上のテキスト配置ペアからなるデータセット上でモデルをトレーニングする。
これは、編集距離、BLEU、METEOR、F測定によって測定されたarXivから構築されたテストセットの既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-03-04T15:34:12Z) - Sheet Music Transformer: End-To-End Optical Music Recognition Beyond Monophonic Transcription [13.960714900433269]
Sheet Music Transformer(シート・ミュージック・トランスフォーマー)は、モノフォニック・ストラテジーのみに頼らずに複雑な楽譜を転写するために設計された最初のエンドツーエンドのOMRモデルである。
我々のモデルは2つのポリフォニック音楽データセットでテストされており、これらの複雑な音楽構造を効果的に扱えることが証明されている。
論文 参考訳（メタデータ） (2024-02-12T11:52:21Z) - A Multi-Stage Multi-Codebook VQ-VAE Approach to High-Performance Neural
TTS [52.51848317549301]
高速なTTS合成のためのマルチステージマルチコードブック(MSMC)手法を提案する。
ベクトル量子化可変オートエンコーダ(VQ-VAE)に基づく特徴解析器を用いて,音声訓練データのメルスペクトルを符号化する。
合成において、ニューラルネットワークは予測されたSMCRを最終的な音声波形に変換する。
論文 参考訳（メタデータ） (2022-09-22T09:43:17Z) - Late multimodal fusion for image and audio music transcription [0.0]
マルチモーダル画像とオーディオ音楽の書き起こしは、画像とオーディオのモダリティによって伝達される情報を効果的に組み合わせるという課題を含む。
エンドツーエンドのOMRシステムとAMTシステムに関する仮説を,初めてマージするために,4つの組み合わせのアプローチについて検討した。
4つの戦略のうちの2つは、対応する単調な標準認識フレームワークを著しく改善することを検討した。
論文 参考訳（メタデータ） (2022-04-06T20:00:33Z) - VATT: Transformers for Multimodal Self-Supervised Learning from Raw
Video, Audio and Text [60.97904439526213]
video-audio-text transformer (vatt) は生の信号を入力として取り、様々な下流タスクに役立つほどリッチなマルチモーダル表現を抽出する。
マルチモーダルなコントラスト損失を用いて,vattのエンドツーエンドをスクラッチからトレーニングし,映像動作認識,音声イベント分類,画像分類,テキストからビデオへの検索といった下流タスクによってその性能を評価する。
論文 参考訳（メタデータ） (2021-04-22T17:07:41Z)
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。