論文の概要: ResMamba: A Dual-Path Convolution-Mamba Model for Music Genre Classification

• arxiv url: http://arxiv.org/abs/2611.00746v1
• Date: Sat, 31 Oct 2026 08:49:15 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:37:38.506894
• Title: ResMamba: A Dual-Path Convolution-Mamba Model for Music Genre Classification
• Title（参考訳）: ResMamba:音楽ジャンル分類のためのデュアルパス畳み込みマンバモデル
• Abstract要約: ResMambaは、ResNetスタイルの4段バックボーンをMambaブロックで拡張するハイブリッドアーキテクチャである。 我々のResMambaモデルでは5倍のクロスバリデーション精度が8.99% pm 1.58%$で、この比較で最強の手法を上回ります。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Music genre classification remains a fundamental yet challenging task in music information retrieval, requiring models that capture local time--frequency patterns and long-range temporal dependencies. To address this, we propose ResMamba, a hybrid architecture that augments a ResNet-style four-stage backbone with Mamba blocks. Building upon the selective structured state space sequence model, ResMamba first adapts the selective SSM into a 4D-compatible residual Mamba block that captures global dependencies at linear complexity. We then design the ConvMamba dual-path block, which combines this adapted Mamba branch with a parallel convolutional branch through a learned $1\times1$ fusion, jointly modeling global sequential context and local spectro-temporal patterns. Furthermore, we adopt a multi-scale fusion head that aggregates hierarchical representations across all four stages. Experiments on the GTZAN dataset demonstrate that our full ResMamba model achieves a 5-fold cross-validation accuracy of $88.99\% \pm 1.58\%$, surpassing the strongest published method in our comparison (88.64\%). All models are trained from scratch without any pretraining, external data, or data augmentation. Beyond GTZAN, ResMamba also generalizes to the larger FMA benchmarks under the same training protocol, attaining $64.52\% \pm 1.88\%$ on FMA-Small under 10-fold cross-validation --- the best published from-scratch result --- and $65.75\%$ on FMA-Medium under the official artist-level split, surpassing the widely cited SVM baseline of Defferrard \textit{et al.} (63\%).
• Abstract（参考訳）: 音楽ジャンルの分類は、音楽情報検索の基本的な課題であり、局所的な時間周波数パターンと長距離時間依存性を捉えるモデルを必要とする。 そこで我々は,ResNetスタイルの4段バックボーンをMambaブロックで拡張したハイブリッドアーキテクチャであるResMambaを提案する。 選択的な状態空間列モデルに基づいて、ResMambaは選択的なSSMを4D互換の残留Mambaブロックに適応させる。 次に、この適応されたMambaブランチと並列な畳み込みブランチを組み合わせたConvMambaデュアルパスブロックを、学習した$1\times1$融合により設計し、グローバルなシーケンシャルコンテキストと局所分光時間パターンを共同でモデル化する。 さらに,4段階すべてにわたって階層的表現を集約するマルチスケール核融合ヘッドを採用する。 GTZANデータセットの実験は、我々の完全なResMambaモデルが8.99 % \pm 1.58 %$の5倍のクロスバリデーション精度を達成し、我々の比較において最も強力な手法(88.64 %)を上回ったことを示している。 すべてのモデルは、事前トレーニング、外部データ、またはデータ拡張なしで、ゼロからトレーニングされる。 GTZAN以外にも、ResMambaは、同じトレーニングプロトコルの下で、より大きなFMAベンチマークを一般化し、FMA-Smallの10倍のクロスバリデーションで64.52\% \pm 1.88\% --- 公式のアーティストレベルの分割でFMA-Mediumの65.75\% -- -- を獲得し、Defferrard \textit{et al } (63\%)の広く引用されているSVMベースラインを超えている。

関連論文リスト

• MambaADv2: Evolving Duality-enhanced State Space Model for Unsupervised Anomaly Detection [108.36437360254605]
  本稿では,マルチクラス非教師付き異常検出に適したフレームワークであるMambaADv2を提案する。 MambaADv2は、事前訓練されたエンコーダと、複数のスケールにわたるDuality-enhanced State Space (DSS)モジュールを備えたMambaインスパイアされたデコーダで構成される。 HSS(Hybrid State Space)ブロックの構造は、SSDベースのMambaラインに従って調整され、Mamba3スタイルの位置認識状態空間モデリングが組み込まれている。
  論文  参考訳（メタデータ） (2026-06-22T10:14:06Z)
• A Simple State Space Model Excels at Multivariate Time Series Classification [20.400131260544764]
  対角SSM(S4D)と入力依存SSM(Mamba family)を対象とする大規模TSCベンチマークの系統的研究を行った。 S4Dは、精度と効率の両面で、Mambaベースの変種を一貫して上回っている。 線形入力プロジェクションとチャネル混合機構によりS4Dに軽量な修正を加えたMS4Nと、無視できないオーバーヘッドで状態ダイナミクスを安定化する正規化変種であるMS4Nを紹介する。
  論文  参考訳（メタデータ） (2026-05-07T00:49:25Z)
• Multi-granular body modeling with Redundancy-Free Spatiotemporal Fusion for Text-Driven Motion Generation [10.843503146808839]
  HiSTF Mambaを3つの部分からなるフレームワークとして紹介する: Dual-tial Mamba, Bi-Temporal Mamba, Spatiotemporal Fusion Module (DSFM)。 HumanML3Dベンチマークの実験では、HiSTF Mambaはいくつかの指標でよく機能し、高い忠実さとテキストとモーション間の密接なセマンティックアライメントを実現している。
  論文  参考訳（メタデータ） (2025-03-10T04:01:48Z)
• Mixture-of-Mamba: Enhancing Multi-Modal State-Space Models with Modality-Aware Sparsity [56.0251572416922]
  状態空間モデル(SSM)は、シーケンシャルモデリングのためのトランスフォーマーの効率的な代替手段として登場した。 本稿では,Mambaブロックのモダリティ特異的パラメータ化により,モダリティを意識した疎結合を実現する新しいSSMアーキテクチャを提案する。 マルチモーダル事前学習環境におけるMixture-of-Mambaの評価を行った。
  論文  参考訳（メタデータ） (2025-01-27T18:35:05Z)
• SIGMA: Selective Gated Mamba for Sequential Recommendation [56.85338055215429]
  最近の進歩であるMambaは、時系列予測において例外的なパフォーマンスを示した。 SIGMA(Selective Gated Mamba)と呼ばれる,シークエンシャルレコメンデーションのための新しいフレームワークを紹介する。 以上の結果から,SIGMAは5つの実世界のデータセットにおいて,現在のモデルよりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-08-21T09:12:59Z)
• LaMamba-Diff: Linear-Time High-Fidelity Diffusion Models Based on Local Attention and Mamba [54.85262314960038]
  局所的意図的マンバブロックは、大域的コンテキストと局所的詳細の両方を線形複雑性でキャプチャする。 このモデルは, 256x256の解像度で, ImageNet上の様々なモデルスケールでDiTの性能を上回り, 優れたスケーラビリティを示す。 ImageNet 256x256 と 512x512 の最先端拡散モデルと比較すると,最大 62% GFLOP の削減など,我々の最大のモデルには顕著な利点がある。
  論文  参考訳（メタデータ） (2024-08-05T16:39:39Z)
• Mamba as Decision Maker: Exploring Multi-scale Sequence Modeling in Offline Reinforcement Learning [16.23977055134524]
  我々はMamba Decision Maker (MambaDM) という新しいアクション予測手法を提案する。 MambaDMは、マルチスケール依存関係の効率的なモデリングのため、シーケンスモデリングのパラダイムの有望な代替品として期待されている。 本稿では,RL領域におけるMambaDMのシーケンスモデリング機能について述べる。
  論文  参考訳（メタデータ） (2024-06-04T06:49:18Z)
• ZigMa: A DiT-style Zigzag Mamba Diffusion Model [22.68317748373856]
  我々は、Mambaと呼ばれる状態空間モデルの長いシーケンスモデリング機能を活用し、その視覚データ生成への適用性を高めることを目指している。 我々は,Zigzag Mamba という,シンプルな,プラグアンドプレイのゼロパラメータ法を導入し,Mamba ベースのベースラインを上回ります。 Zigzag Mamba と Interpolant フレームワークを統合し,大規模なビジュアルデータセット上でのモデルのスケーラビリティについて検討する。
  論文  参考訳（メタデータ） (2024-03-20T17:59:14Z)

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。