論文の概要: SCISSOR: Score-Conditioned Instrument Source Separation for Orchestral Recordings

• arxiv url: http://arxiv.org/abs/2609.33265v1
• Date: Sun, 27 Sep 2026 06:15:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 01:40:30.127918
• Title: SCISSOR: Score-Conditioned Instrument Source Separation for Orchestral Recordings
• Title（参考訳）: SCISSOR:オーケストラ録音のためのスコアコンディション楽器音源分離
• Abstract要約: オルガンの分離は、共通のピッチ、ハーモニック、音色が不明瞭な音源の同一性を持つ混合物から楽器のセクションを復元する。 SCISSOR(Score-Conditioned Instrument Source separation for Orchestral Recordings)を導入し,そのスコアを用いて各音源に対するフレームワイズクエリを生成する。
• 参考スコア（独自算出の注目度）: 6.519542013890926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Orchestral separation recovers instrument sections from mixtures in which shared pitches, harmonics, and timbres obscure source identity. An aligned score provides instrument labels, note pitches, and activity times. A score-informed approach appends piano rolls to audio features before mask prediction. We introduce SCISSOR (Score-Conditioned Instrument Source Separation for Orchestral Recordings), which uses the score to form a frame-wise query for each source. Each query matches a shared audio representation, and a softmax over instrument and background slots jointly assigns overlapping time-frequency evidence. The queries retain instrument identity even when notes are missing from the score. After training on SynthSOD and a small set of URMP and PHENICX-Anechoic recordings, SCISSOR achieves the highest average SDR on held-out real recordings. With SynthSOD-only training, it leads on SynthSOD and zero-shot PHENICX-Anechoic, and improves on its audio-only control on zero-shot URMP. SCISSOR also degrades less under score corruption than the evaluated score-based baselines.
• Abstract（参考訳）: オルガンの分離は、共通のピッチ、ハーモニック、音色が不明瞭な音源の同一性を持つ混合物から楽器のセクションを復元する。 アライメントスコアは、楽器レーベル、ノートピッチ、アクティビティタイムを提供する。 スコアインフォームドアプローチでは、マスク予測の前にピアノロールをオーディオ機能に追加する。 SCISSOR(Score-Conditioned Instrument Source separation for Orchestral Recordings)を導入し,そのスコアを用いて各音源に対するフレームワイズクエリを生成する。 各クエリは共有オーディオ表現と一致し、機器と背景スロット上のソフトマックスは重なり合う時間-周波数の証拠を共同で割り当てる。 クエリは、スコアからメモが欠落している場合でも、楽器のアイデンティティを保持する。 SynthSOD と URMP と PHENICX-Anechoic を訓練した後、SCISSOR はホールドアウト実記録における平均 SDR を達成した。 SynthSODのみのトレーニングでは、SynthSODとゼロショットPHENICX-Anechoicが採用され、ゼロショットURMPでのオーディオのみの制御が改善されている。 SCISSORは評価スコアベースベースラインよりもスコア汚職下での劣化も少ない。

関連論文リスト

• Synthesis and editing of multi-instrument audio mixtures using scalar-quantised latents with MIDI Span conditioning [20.928258517489603]
  Span Synth-Editは、MIDI誘導型オーディオミックスの合成と編集のためのフローマッチングモデルである。 このモデルは、楽器固有の音色誘導にコンテキストオーディオを使用し、修正MIDIから対象領域を再ラベルすることで編集をサポートする。 シングルおよびマルチインストールベンチマークの実験は、競合性能を示し、フレーム内のオンセット制御を示す。
  論文  参考訳（メタデータ） (2026-09-22T01:21:39Z)
• The Spheres Dataset: Multitrack Orchestral Recordings for Music Source Separation and Information Retrieval [6.642819140716501]
  データセットは、Colibr Ensembleによって演奏された1時間以上の楽曲の記録で構成されている。 録音装置には23のマイクが使われており、その中にはクローズスポット、メインマイク、周囲マイクが含まれていた。 室内のインパルス応答を各楽器位置で推定し, 録音空間の音響的評価を行った。
  論文  参考訳（メタデータ） (2025-11-26T10:23:15Z)
• RUMAA: Repeat-Aware Unified Music Audio Analysis for Score-Performance Alignment, Transcription, and Mistake Detection [17.45655063331199]
  RUMAAは、音楽パフォーマンス分析のためのトランスフォーマーベースのフレームワークである。 スコア・ツー・パフォーマンス・アライメント、スコア・インフォームド・書き起こし、ミス検出をほぼエンドツーエンドで統一する。
  論文  参考訳（メタデータ） (2025-07-16T12:13:13Z)
• Score-informed Music Source Separation: Improving Synthetic-to-real Generalization in Classical Music [8.468436398420764]
  音源分離は、楽器の混合物を構成トラックに分離する作業である。 本稿では,楽譜の分離を支援する2つの方法として,楽譜情報モデルと楽譜情報のみのモデルを提案する。 スコアインフォームドモデルは、ベースラインアプローチと比較して分離結果を改善するが、合成データから実データへの一般化に苦慮する。
  論文  参考訳（メタデータ） (2025-03-10T14:08:31Z)
• RMSSinger: Realistic-Music-Score based Singing Voice Synthesis [56.51475521778443]
  RMS-SVSは、異なる音符タイプでリアル音楽のスコアを与えられた高品質な歌声を生成することを目的としている。 RMS-SVS方式であるRMSSingerを提案する。 RMSSingerでは,時間を要する音素の持続時間アノテーションと複雑な音素レベルのメルノートアライメントを避けるために,単語レベルのモデリングを導入する。
  論文  参考訳（メタデータ） (2023-05-18T03:57:51Z)
• Speaker Embedding-aware Neural Diarization: a Novel Framework for Overlapped Speech Diarization in the Meeting Scenario [51.5031673695118]
  重なり合う音声のダイアリゼーションを単一ラベル予測問題として再構成する。 話者埋め込み認識型ニューラルダイアリゼーション(SEND)システムを提案する。
  論文  参考訳（メタデータ） (2022-03-18T06:40:39Z)
• S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
  本稿では,ラベルノイズの存在下での分類の問題に対処する。 提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。 提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-22T15:49:20Z)
• Fast accuracy estimation of deep learning based multi-class musical source separation [79.10962538141445]
  本稿では,ニューラルネットワークのトレーニングやチューニングを行うことなく,任意のデータセットにおける楽器の分離性を評価する手法を提案する。 理想的な比マスクを持つオラクルの原理に基づいて、我々の手法は最先端のディープラーニング手法の分離性能を推定するための優れたプロキシである。
  論文  参考訳（メタデータ） (2020-10-19T13:05:08Z)
• Score-informed Networks for Music Performance Assessment [64.12728872707446]
  MPAモデルにスコア情報を組み込んだディープニューラルネットワークに基づく手法はまだ研究されていない。 スコアインフォームド性能評価が可能な3つのモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-01T07:46:24Z)
• Continuous speech separation: dataset and analysis [52.10378896407332]
  自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。 本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
  論文  参考訳（メタデータ） (2020-01-30T18:01:31Z)

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。