論文の概要: Explore This! Beat and Downbeat Tracking From a Learned Tatum Grid

• arxiv url: http://arxiv.org/abs/2610.14817v1
• Date: Sat, 10 Oct 2026 11:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 11:37:39.782031
• Title: Explore This! Beat and Downbeat Tracking From a Learned Tatum Grid
• Title（参考訳）: 学習したタトゥタグリッドからのビートとダウンビート追跡
• Abstract要約: 最先端のビートトラッキングは、個々のイベントとしてビートとダウンビートをモデル化するニューラルネットワークに基づいている。 そこで我々は,まずタトゥムグリッドを予測し,次にタトゥムイベントをビートとダウンビートにグループ化し,現在のテンポとタイムシグネチャの複数のオプションを明示的にモデル化するシステムを提案する。
• 参考スコア（独自算出の注目度）: 0.9112334125804447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: State-of-the-art beat tracking is based on neural networks that model beats and downbeats as individual events, often followed by a separate Dynamic Bayesian Network (DBN) enforcing musical consistency. We propose a novel architecture that combines deep learning with differentiable theory-based modules: Specifically, we design a system that first predicts a tatum grid, then groups tatum events to beats and downbeats, explicitly modelling multiple options for the current tempo and time signature in a bar-pointer-like fashion. Our approach improves continuity metrics compared to existing DBN-free systems and is more versatile than the de-facto standard DBN, but still falls behind the best DBN-based methods on average. Given the many design choices and hyperparameters involved, we assume we have not yet explored the full potential of this idea and publish our code and invite others to explore this further.
• Abstract（参考訳）: 最先端のビートトラッキングは、ビートとダウンビートを個々のイベントとしてモデル化するニューラルネットワークをベースとしている。 具体的には、まずタトゥーグリッドを予測し、次にタトゥーイベントをビートとダウンビートにグループ化し、現在のテンポと時間シグネチャをバーポインターのような方法で明示的にモデル化するシステムを設計する。 提案手法は,既存のDBNフリーシステムに比べて連続度を向上し,デファクト標準DBNよりも汎用性が高いが,それでもDBNベースの手法としては最良である。 多くの設計選択とハイパーパラメータが関係していることを考えると、私たちはまだこのアイデアの潜在能力を探求していないと仮定し、コードを公開して、他の人たちにさらなる調査を依頼しています。

関連論文リスト

• Beat Tracking as Object Detection [0.0]
  最近のビートとダウンビート追跡モデル(例えば、RNN、TN、Transformers)はフレームレベルのアクティベーションを出力する。 我々は、このタスクをオブジェクト検出として再フレーミングし、ビートとダウンビートを時間的「対象」としてモデル化する。 コンピュータビジョンから1DオーディオへのFCOS検出器の適用により、元のバックボーンをWaveBeatの時間的特徴抽出器に置き換え、マルチスケールの時間的パターンをキャプチャするFeature Pyramid Networkを追加します。 このモデルは、信頼スコアで重なり合うビート/ダウンビート間隔を予測し、続いて非最大抑制(NMS)を行い、最終的な予測を選択する。
  論文  参考訳（メタデータ） (2025-10-16T07:42:45Z)
• Unsupervised Online 3D Instance Segmentation with Synthetic Sequences and Dynamic Loss [52.28880405119483]
  教師なしのオンライン3Dインスタンスのセグメンテーションは、基本的だが難しい課題だ。 UNITのような既存の手法はこの方向に進んできたが、訓練の多様性が制限されているままである。 本稿では,合成点雲列生成によるトレーニング分布の強化を目的とした新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-27T08:53:27Z)
• Revisiting Meter Tracking in Carnatic Music using Deep Learning Approaches [0.0]
  距離追跡は音楽情報検索(MIR)の基本課題である ディープラーニングモデルは、この領域における従来の信号処理と古典的な機械学習アプローチをはるかに上回っている。 本研究では,カルナティック音楽におけるメータートラッキングの2つのモデルを評価する。
  論文  参考訳（メタデータ） (2025-09-14T12:33:34Z)
• CAMELTrack: Context-Aware Multi-cue ExpLoitation for Online Multi-Object Tracking [68.24998698508344]
  CAMELはコンテキスト対応型マルチキューExpLoitationのための新しいアソシエイトモジュールである。 エンド・ツー・エンドの検知・バイ・トラック方式とは異なり,本手法は軽量かつ高速にトレーニングが可能であり,外部のオフ・ザ・シェルフモデルを活用することができる。 提案するオンライントラッキングパイプラインであるCAMELTrackは,複数のトラッキングベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-05-02T13:26:23Z)
• Beat this! Accurate beat tracking without DBN postprocessing [4.440100868992127]
  本研究では,多種多様な音楽範囲にまたがる一般性と高精度の2つの目標を用いて,ビートとダウンビートを追跡するシステムを提案する。 ソロ楽器録音や時間変化のある曲,テンポ変化の高いクラシック音楽など,複数のデータセットをトレーニングすることで,汎用性を実現する。 高精度にアノテーションの小さな時間シフトに耐性のある損失関数を開発し、周波数や時間とともに変換器と畳み込みを交互に行うアーキテクチャを開発した。
  論文  参考訳（メタデータ） (2024-07-31T14:59:17Z)
• Large-scale Pre-trained Models are Surprisingly Strong in Incremental Novel Class Discovery [76.63807209414789]
  我々は,クラスiNCDにおける現状問題に挑戦し,クラス発見を継続的に,真に教師なしで行う学習パラダイムを提案する。 凍結したPTMバックボーンと学習可能な線形分類器から構成される単純なベースラインを提案する。
  論文  参考訳（メタデータ） (2023-03-28T13:47:16Z)
• Hierarchical Recurrent Neural Networks for Conditional Melody Generation with Long-term Structure [0.0]
  階層型リカレントニューラルネットワークを用いた条件付きメロディ生成モデルを提案する。 このモデルは、与えられたコード伴奏に基づいて長期構造を持つメロディーを生成する。 聴取試験の結果,CM-HRNNは長期的構造と総合評価においてアテンションRNNよりも優れていた。
  論文  参考訳（メタデータ） (2021-02-19T08:22:26Z)
• PopMAG: Pop Music Accompaniment Generation [190.09996798215738]
  単一シーケンスでの同時マルチトラック生成が可能なMUlti-track MIDI表現(MuMIDI)を提案する。 MuMIDIはシーケンス長を拡大し、長期音楽モデリングの新しい課題をもたらす。 我々は,ポップミュージックの伴奏生成をPopMAGと呼ぶ。
  論文  参考訳（メタデータ） (2020-08-18T02:28:36Z)

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。