Fugu-MT 論文翻訳(概要): Full-Page Optical Music Recognition of Handwritten Monophonic Scores

論文の概要: Full-Page Optical Music Recognition of Handwritten Monophonic Scores

arxiv url: http://arxiv.org/abs/2609.05662v1
Date: Fri, 04 Sep 2026 18:56:03 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-10 19:44:08.105267
Title: Full-Page Optical Music Recognition of Handwritten Monophonic Scores
Title（参考訳）: 手書きモノフォニックスコアのフルページ光音楽認識
Abstract要約: 全ページのエンドツーエンドの光学音楽認識は、すべての音楽ページを直接記号表記に書き起こそうとしている。近年のTransformerベースのアーキテクチャは,事前学習のための大規模合成データに頼って,タイプセットスコアの大幅な性能向上を実現している。タイプセットと手書きの両スタイルで視覚的にコヒーレントな全ページスコアを生成することができるジェネレータを提案する。
参考スコア（独自算出の注目度）: 9.83963562042336
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Full-page end-to-end Optical Music Recognition seeks to transcribe entire music pages directly into symbolic notation, avoiding the limitations of traditional pipelines that rely on accurate staff segmentation. Recent Transformer-based architectures have achieved strong performance on typeset scores, relying on large-scale synthetic data for pretraining. However, their applicability to handwritten music remains largely unexplored. In this work, we study full-page transcription on handwritten monophonic collections and analyze the impact of synthetic pretraining in this setting. To investigate which factors are most relevant during pretraining, we introduce a generator capable of producing visually coherent full-page scores in both typeset and handwritten styles. Experiments on three real handwritten datasets provide a comparative evaluation of several full-page pipelines and different synthetic pretraining strategies. The results suggest that the benefits of synthetic pretraining are primarily associated with learning structural layout conventions rather than with visual similarity to the target handwriting.
Abstract（参考訳）: 全ページの終端から終端までの光学音楽認識は、すべての音楽ページを直接記号表記に転写し、正確なスタッフセグメンテーションに依存する従来のパイプラインの制限を回避する。近年のTransformerベースのアーキテクチャは,事前学習のための大規模合成データに頼って,タイプセットスコアの大幅な性能向上を実現している。しかし、その手書き音楽への適用性はほとんど不明である。本研究では,手書きモノフォニックコレクションのフルページ書き起こしについて検討し,この設定における合成事前学習の影響を解析する。事前学習においてどの因子が最も関係があるかを調べるために,タイプセットと手書きの両スタイルで視覚的に一貫した全ページスコアを生成できるジェネレータを導入する。 3つの実手書きデータセットの実験は、複数の全ページパイプラインと異なる合成事前学習戦略の比較評価を提供する。その結果, 合成事前学習の利点は, 対象の筆跡と視覚的類似性ではなく, 構造的レイアウトの規則を学習することにあることがわかった。

関連論文リスト

MuScriptor: An Open Model for Multi-Instrument Music Transcription [49.08645057428182]
そこで我々は,合成データによる事前学習の有効性を,実音の微調整,強化学習を用いた後学習と組み合わせて分析した。 MuScriptorはオープンウェイトなマルチインストゥルメント音楽の書き起こしモデルで、さまざまなジャンルのリアルな音楽録音で動作する。
論文参考訳（メタデータ） (2026-07-09T07:12:30Z)
Zero-Shot Synthetic-to-Real Handwritten Text Recognition via Task Analogies [60.84720484975815]
手書きテキスト認識(HTR)モデルは、しばしば実際のテキストに一般化するのに苦労する。完全ゼロショット合成-実一般化設定に取り組む。提案手法は,1つ以上のソース言語において,合成言語から実際の手書き言語に移行する際に,モデルパラメータがどのように変化するかを学習する。
論文参考訳（メタデータ） (2026-04-08T07:33:31Z)
Synthetic bootstrapped pretraining [52.92577542049469]
本稿では,SBP(Synthetic Bootstrapped Pretraining)について述べる。 SBPはまず、事前学習データセットから文書間の関係のモデルを学び、次にそれを利用して巨大な新しいコーパスを合成する。 SBPは高い繰り返しベースラインを継続的に改善し、オラクル上界で達成可能な性能改善のかなりの部分を提供する。
論文参考訳（メタデータ） (2025-09-17T22:28:27Z)
Towards an AI Musician: Synthesizing Sheet Music Problems for Musical Reasoning [69.78158549955384]
本稿では,ビートやインターバルをプログラム関数として扱うような,コア音楽理論のルールを扱う新しいアプローチを提案する。このアプローチは、テキストと視覚の両方で検証可能な楽譜の質問を生成する。 SSMR-Benchの評価結果は,楽譜の解釈における重要な役割を浮き彫りにした。
論文参考訳（メタデータ） (2025-09-04T09:42:17Z)
Aligned Music Notation and Lyrics Transcription [8.411893399638046]
本稿では,Aligned Music Notation and Lyrics Transcription (AMNLT) の課題を紹介する。音楽記号、歌詞、それらの同期を共同で検討することで、声楽の完全な書き起こしに対処する。我々は、音楽と歌詞を別々に扱う従来の分詞法から、新しいエンドツーエンドソリューションまで、この課題に対処するための様々なアプローチを評価する。
論文参考訳（メタデータ） (2024-12-05T14:50:11Z)
Optical Music Recognition in Manuscripts from the Ricordi Archive [6.274767633959002]
リコルディのアーカイブは、ドニゼッティ、ヴェルディ、プッチーニといった著名なオペラ作曲家の著名な音楽写本のコレクションであり、デジタル化されている。我々は,ノート,ステーブ,クリーフ,消去,作曲家の注釈など,写本に描かれた様々な音楽要素を表すサンプルを自動的に抽出した。我々は、識別された音楽要素を区別するために、複数のニューラルネットワークベースの分類器を訓練した。
論文参考訳（メタデータ） (2024-08-14T09:29:11Z)
End-to-End Real-World Polyphonic Piano Audio-to-Score Transcription with Hierarchical Decoding [4.604877755214193]
既存のピアノA2Sシステムは、合成データのみで訓練され、評価されている。楽譜の階層構造に整合した階層デコーダを用いたシーケンス・ツー・シーケンス(Seq2Seq)モデルを提案する。本研究では,合成音声上での表現的パフォーマンスレンダリングシステムを用いてモデルを事前学習する2段階学習手法を提案し,続いて人間の演奏記録を用いてモデルを微調整する。
論文参考訳（メタデータ） (2024-05-22T10:52:04Z)
End-to-End Full-Page Optical Music Recognition for Pianoform Sheet Music [12.779526750915707]
複雑なレイアウトにおいて、ページレベルの光音楽認識のための、真にエンドツーエンドなアプローチを初めて提示する。本システムでは,畳み込み層と自己回帰変換器を組み合わせることで,楽譜ページ全体を処理し,完全書き起こしを符号化形式で出力する。その結果,本システムは,全ページの楽譜の書き起こしに成功しただけでなく,ゼロショット設定とターゲットドメインとの微調整の両面において,商業ツールよりも優れていた。
論文参考訳（メタデータ） (2024-05-20T15:21:48Z)
StyleSpeech: Self-supervised Style Enhancing with VQ-VAE-based Pre-training for Expressive Audiobook Speech Synthesis [63.019962126807116]
音声ブックの合成音声の表現的品質は、一般化されたモデルアーキテクチャとアンバランスなスタイル分布によって制限される。本稿では,VQ-VAEに基づく音声合成のための事前学習による自己教師付きスタイル向上手法を提案する。
論文参考訳（メタデータ） (2023-12-19T14:13:26Z)
Towards Context-Aware Neural Performance-Score Synchronisation [2.0305676256390934]
音楽の同期は、音楽の複数の表現を統一的にナビゲートする手段を提供する。従来の同期手法は知識駆動と性能分析のアプローチを用いてアライメントを計算する。このPhDは、データ駆動型コンテクスト対応アライメントアプローチの提案により、パフォーマンススコア同期の研究をさらに進める。
論文参考訳（メタデータ） (2022-05-31T16:45:25Z)
Music Gesture for Visual Sound Separation [121.36275456396075]
ミュージック・ジェスチャ(Music Gesture)は、音楽演奏時の演奏者の身体と指の動きを明示的にモデル化するキーポイントに基づく構造化表現である。まず、コンテキスト対応グラフネットワークを用いて、視覚的コンテキストと身体力学を統合し、その後、身体の動きと対応する音声信号とを関連付けるために、音声-視覚融合モデルを適用する。
論文参考訳（メタデータ） (2020-04-20T17:53:46Z)

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。