論文の概要: Dissonance Spectrum explicitly models perceptual frequency interactions for better music understanding
- arxiv url: http://arxiv.org/abs/2608.25621v1
- Date: Wed, 26 Aug 2026 10:42:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.76903
- Title: Dissonance Spectrum explicitly models perceptual frequency interactions for better music understanding
- Title（参考訳）: より良い音楽理解のための知覚周波数相互作用を明示的にモデル化する不協和スペクトル
- Abstract要約: EmphDance Spectrum (DS) を非負の時間周波数表現として導入し, 対数調和距離の許容値に基づく有理ピッチ相関カーネルを定数Qスペクトルに適用する。
制御された音楽理論テストは、間隔、高調波-関数接続、教会モードの強い順序的一致を示し、様々な和声の弱いが重要な一致を示している。
これらの結果はDSを解釈可能で相補的な表現としてサポートし、リスナー特有の認識と幅広いタスクカバレッジは未解決の問題のままである。
- 参考スコア（独自算出の注目度）: 45.06070631144852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional music representations describe acoustic energy over time and frequency but do not explicitly expose relations among simultaneous frequency components. We introduce the \emph{Dissonance Spectrum} (DS), a nonnegative time--frequency representation that applies a tolerance-based rational pitch-relation kernel with logarithmic harmonic distance to a constant-Q spectrum and attributes aggregate pairwise interactions back to individual frequency bins. Controlled music-theory tests show strong ordinal agreement for intervals, harmonic-function connections, and church modes, and weaker but significant agreement across diverse chord voicings. DS is then encoded by a lightweight parallel branch whose zero-initialized residual projection preserves the baseline function at initialization. Across six paired training seeds in open-ended music question answering and categorical and dimensional music emotion recognition, DS obtains the highest mean on every reported endpoint relative to the unchanged baseline, a parameter-matched Gaussian-input branch, and an architecture-matched magnitude-CQT branch. These results support DS as an interpretable, complementary representation, while listener-specific perception and broader task coverage remain open problems.
- Abstract（参考訳）: 従来の音楽表現では、時間と周波数とともに音響エネルギーを記述するが、同時周波数成分間の関係を明示的に表さない。
本稿では,非負の時間周波数表現である 'emph{Dissonance Spectrum} (DS) を紹介する。
制御された音楽理論テストは、間隔、高調波-関数接続、教会モードの強い順序的一致を示し、様々な和声の弱いが重要な一致を示している。
DS は、ゼロ初期化残射影が初期化時のベースライン関数を保存する軽量並列分岐によって符号化される。
DSは、オープンエンド音楽質問応答及びカテゴリー別及び次元音楽感情認識における6対のトレーニングシードに対して、変更ベースラインに対して報告された各エンドポイントの最高平均値、パラメータマッチングされたガウス入力ブランチ、アーキテクチャマッチングされた等級CQTブランチを取得する。
これらの結果はDSを解釈可能で相補的な表現としてサポートし、リスナー特有の認識と幅広いタスクカバレッジは未解決の問題のままである。
関連論文リスト
- Weaving Light and Time: Unified Harmonic-Geometric Representation Learning for Dense RGB-Event Parsing [55.13802890769086]
我々は、専用のRGB-Event解析用に特別に設計された最初の統一バックボーンであるEvitaを紹介する。
深いモーダルなシナジーを達成するため、Evitaはすべてのエンコーダ層に直接固有のコラーニングモジュール群を組み込む。
Evitaは、リアルタイムマルチモーダル認識において、より優れた精度とレイテンシのトレードオフを提供しながら、新しい最先端メトリクスを確立する。
論文 参考訳（メタデータ） (2026-07-10T06:52:09Z) - Spatially Distributed Task-Oriented Compression for Multi-Emitter Localization and Characterization with Spectral Overlap [1.4579344926652844]
タスク指向分散圧縮フレームワークによるマルチエミッタの局所化と特性評価
スペクトル重なりを伴う合成多重エミッターシーンの実験では、非常にコンパクトな受信側表現でさえ有用な情報を保存できることが示されている。
論文 参考訳（メタデータ） (2026-05-31T20:47:30Z) - TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。
現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。
Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
論文 参考訳（メタデータ） (2026-05-11T13:23:14Z) - Sub-Band Spectral Matching with Localized Score Aggregation for Robust Anomalous Sound Detection [11.328862535847785]
一般的な訓練不要な異常音検出パイプラインは、フレームレベルの表現をバンド保存特徴ベクトルに時間的にプールし、異常をスコアする。
1つのグローバルな隣人はすべてのバンドに同じ基準を共有するよう強制し、バンドレベルのミスマッチが増加する。
本稿では,時間的にプールされたサブバンドベクトルをメモリバンクに格納し,サブバンド毎の隣人を検索し,スコアを均一に集約して正規スコアの変動を低減し,識別性を向上させるBEAMを提案する。
論文 参考訳（メタデータ） (2026-03-14T04:38:41Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - Interaction as Interference: A Quantum-Inspired Aggregation Approach [4.07636450847048]
我々は、相互作用を、エンジニアリングされた製品用語として、あるいは柔軟なモデルにおける創発的なパターンとして、量子的に着想を得たビューと捉えています。
最小線形振幅モデルでは、この交差項は因子設計における標準電位-出力相互作用コントラスト(_mathrmINT)と等しい。
我々はこのアイデアを軽量なemphInterference Kernel (IKC) にインスタンス化し、emphCoherent Gain (非一貫性プロキシよりもコヒーレントをlog-likelihood gain of coherent)とemphInterという2つの診断手法を導入する。
論文 参考訳（メタデータ） (2025-11-13T06:44:18Z) - Exploiting Inter-Session Information with Frequency-enhanced Dual-Path Networks for Sequential Recommendation [13.302194364808514]
本稿では、シーケンシャルレコメンデーションのための周波数拡張デュアルパスネットワークであるFreqRecを提案する。
FreqRecは、学習可能な周波数ドメイン多層パーセプトロンを介して、セッション間およびセッション内動作をキャプチャする。
クロスエントロピーと周波数領域の整合性損失を組み合わせた合成目的の下で最適化されている。
論文 参考訳（メタデータ） (2025-11-09T08:39:26Z) - Robust Spectral Fuzzy Clustering of Multivariate Time Series with Applications to Electroencephalogram [6.62414474989199]
スペクトル領域にファジィクラスタリングフレームワークを導入し、変数間の周波数特異なモノトニックな関係を抽出する。
本手法は、クラスタリング精度を向上させるために、周波数ベースのクロスリージョン接続パターンを優先的に活用する。
フラッグシップアプリケーションとして脳波記録を解析し,潜在認知状態の周波数・接続性特異的マーカーを明らかにする。
論文 参考訳（メタデータ） (2025-06-28T12:02:01Z) - MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
時系列予測は、周波数の異なる周期特性から導かれる。
マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。
主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-03-11T11:40:14Z) - Temporal-Spatial Neural Filter: Direction Informed End-to-End
Multi-channel Target Speech Separation [66.46123655365113]
ターゲット音声分離とは、混合信号からターゲット話者の音声を抽出することを指す。
主な課題は、複雑な音響環境とリアルタイム処理の要件である。
複数話者混合から対象音声波形を直接推定する時間空間ニューラルフィルタを提案する。
論文 参考訳（メタデータ） (2020-01-02T11:12:50Z)
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。