論文の概要: Towards AI-Generated Music Plagiarism Detection as a Version Identification Problem
- arxiv url: http://arxiv.org/abs/2610.09075v1
- Date: Tue, 06 Oct 2026 20:18:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.596671
- Title: Towards AI-Generated Music Plagiarism Detection as a Version Identification Problem
- Title（参考訳）: バージョン識別問題としてのAI生成音楽プラジャリズム検出に向けて
- Abstract要約: 我々は,現在最先端の音楽バージョン識別アーキテクチャを人間から人間へのカバードメインから人間からAIへのプラジャリズム設定へ移行する可能性をテストする。
生成的再合成時にスカラー距離閾値閾値が崩壊するのに対し,座標方向の埋め込みシフトを利用した教師付きフレームワークは,分散されたプラジャリズム信号を回復する。
- 参考スコア（独自算出の注目度）: 11.492411389353364
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid expansion of text-to-music generative models challenges traditional paradigms of music creation and intellectual property. Plagiarism in this context is rarely an absolute mathematical binary, but an ambiguous threshold negotiated over harmonic structure, melodic contours, or overall perceived stylistic character. In this work, we test the transferability of state-of-the-art music version identification architectures from the human-to-human cover domain to the human-to-AI plagiarism setting. To evaluate this task, we introduce COPYCAT, a benchmark derived from real-world plagiarism cases and extended through generative re-synthesis and digital signal processing obfuscations, yielding 350,654 evaluation pairs. We show that scalar distance thresholding collapses under generative re-synthesis, while a supervised framework leveraging coordinate-wise embedding shifts recovers the dispersed plagiarism signal, raising overall $F_{0.5}$ from $0.612$ to $0.803$.
- Abstract（参考訳）: テキストから音楽への生成モデルの急速な拡張は、音楽の創造と知的財産の伝統的なパラダイムに挑戦する。
この文脈におけるプラジャリズムは絶対的な数学的二分法であることは滅多にないが、調和構造、旋律輪郭、あるいは全体的な知覚された様式的性格について曖昧なしきい値が交渉された。
本研究では,人間と人間のカバードメインから人間とAIのプラジャリズム設定へ,最先端の音楽バージョン識別アーキテクチャの移行可能性をテストする。
この課題を評価するために,実世界の盗作事件から派生し,生成的再合成とデジタル信号処理難読化によって拡張されたベンチマークCOPYCATを導入し,350,654対の評価結果を得た。
生成的再合成下ではスカラー距離しきい値が崩壊するのに対し,座標ワイド埋め込みシフトを利用した教師付きフレームワークは分散プラジャリズム信号を回復し,全体的なF_{0.5}$を0.612$から0.803$に引き上げる。
関連論文リスト
- From One-Shot Generation to Incremental Music Composition: Adapting a General-Purpose Instruction LLM for Persistent Symbolic Editing [0.482810058837951]
本稿では,汎用的な命令追従型大規模言語モデルの異なる利用法について検討する。
我々は、ABCの持続的な表記法上での操作認識状態遷移の列として、インクリメンタルな構成を定式化する。
Llama 3.1 8B Instruct with Low-Rank Adaptation (LoRA) on 496,038 Operation-Aware dialogue records from Irish traditional music。
論文 参考訳（メタデータ） (2026-09-28T12:03:13Z) - To Copy or Not to Copy: Controlling Speculative Decoding via Intrinsic Model Signals [53.517661959543894]
投機的復号法 (SD) はLarge Language Model (LLM) の推論を著しく加速した。
既存のアプローチは、ニューラルドラフトとコンテキストベースのコピーという2つのドラフト戦略の根本的なトレードオフに直面している。
既存のコピーベース手法を解析し、それらが偶然に繰り返される傾向があることを確認する。
本稿では,LLMの遅延制御信号としてコピー処理を扱う適応型フレームワークであるSwitchSDを紹介する。
論文 参考訳（メタデータ） (2026-09-17T12:51:20Z) - Recovering Expert Critic-Sourced Network Adjacency between Musical Artists from Acoustic Distributions: A Construct-Validity Approach [0.0]
音楽レコメンデーションは、ユーザとイテムの相互作用と本質的な音楽コンテンツという2つのシグナルに依存している。
第3の、ほとんど利用されていない信号は、より豊かで、より原則的だ、と我々は主張する。
提案手法は, 構成妥当性の1つとして, 音響コンテンツに対して検証する。
論文 参考訳（メタデータ） (2026-08-27T15:59:21Z) - LoRC: Detecting AI-Generated Images via Low-Rank Collapse in Semantic Residuals [50.157719466558696]
現代の発電機は, セマンティック・残留部分空間において, 支配的なセマンティックな方向を保ちながら, 低ランクの崩壊を示すことを示す。
崩壊した残余幾何を捉えるために意味的優位性を分離するフレームワークである textbfLoRC を提案する。
本手法は,複数のベンチマークで平均7.0%の精度向上を実現し,39個の未知のジェネレータ上で97.0%の精度を実現する。
論文 参考訳（メタデータ） (2026-08-21T08:58:47Z) - Explainable Disentangled Representation Learning for Generalizable Authorship Attribution in the Era of Generative AI [70.05655131235999]
EAVAE(Explainable Authorship Variational Autoencoder)は、コンテンツからスタイルを明示的に切り離す新しいフレームワークである。
ディスタングルメントは、新規な差別者を通じて実施される。
EAVAEは、AI生成テキスト検出のためのM4データセットよりも、数ショットの学習に優れています。
論文 参考訳（メタデータ） (2026-04-23T05:34:20Z) - Understanding Human Perception of Music Plagiarism Through a Computational Approach [4.404667592877916]
類似性分析では,メロディ,リズム,コード進行という3つの音楽的特徴に着目した。
LLM-as-a-judgeフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-05T22:37:19Z) - Semantic Reconstruction of Adversarial Plagiarism: A Context-Aware Framework for Detecting and Restoring "Tortured Phrases" in Scientific Literature [4.905540561146363]
逆行性プラギアリズム(SRAP)のセマンティック再構築を提案する。
SRAPは、これらの異常を検出するだけでなく、元の用語を数学的に復元するために設計されたフレームワークである。
我々は,(1)トークンレベルの擬似パープレキシティを用いたドメイン固有マスキング言語モデル(SciBERT)による統計的異常検出,(2)密度ベクトル検索(FAISS)と文レベルのアライメント(SBERT)を用いたソースベースセマンティック再構築という2段階アーキテクチャを用いている。
論文 参考訳（メタデータ） (2025-12-11T08:53:25Z) - VQRAE: Representation Quantization Autoencoders for Multimodal Understanding, Generation and Reconstruction [83.50898344094153]
VQRAEは、イメージ理解のための連続的セマンティック機能と、統一トークン化器内での視覚生成のためのトークンを生成する。
デザインは、多モーダル理解、離散トークンの能力を維持するために、無視可能な意味情報を可能にする。
VQRAEは、視覚的理解、生成、再構築のベンチマークで競合性能を示す。
論文 参考訳（メタデータ） (2025-11-28T17:26:34Z) - Discovering "Words" in Music: Unsupervised Learning of Compositional Sparse Code for Symbolic Music [50.87225308217594]
本稿では,記号的音楽データから「音楽単語」と呼ばれる繰り返しパターンを識別する教師なし機械学習アルゴリズムを提案する。
本稿では,音楽単語発見の課題を統計的最適化問題として定式化し,二段階予測最大化(EM)に基づく学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-29T11:10:57Z) - PerTok: Expressive Encoding and Modeling of Symbolic Musical Ideas and Variations [0.3683202928838613]
Cadenzaは、シンボリック・ミュージック・アイデアの表現的バリエーションを予測するための、新しい多段階生成フレームワークである。
提案するフレームワークは,1)コンストラクタと2)パフォーマの2段階からなる。
我々のフレームワークはミュージシャンにインスピレーションを与える目的で設計、研究、実装されている。
論文 参考訳（メタデータ） (2024-10-02T22:11:31Z) - Hierarchical Timbre-Painting and Articulation Generation [92.59388372914265]
本稿では,f0と大音量に基づく高速かつ高忠実な楽曲生成手法を提案する。
合成音声は、対象楽器の音色及び調音を模倣する。
論文 参考訳（メタデータ） (2020-08-30T05:27:39Z)
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。