論文の概要: Evaluation of Music Version Retrieval Methods for Setlist Identification in Live Concerts
- arxiv url: http://arxiv.org/abs/2611.17070v1
- Date: Thu, 12 Nov 2026 16:42:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.557317
- Title: Evaluation of Music Version Retrieval Methods for Setlist Identification in Live Concerts
- Title(参考訳): ライブコンサートにおけるセットリスト識別のための楽曲バージョン検索手法の評価
- Abstract要約: ASIDベンチマークを用いて,セットリスト識別のための現代音楽バージョン検索手法の評価を行った。
確立されたRe-MOVEシステムとCLEWSとNAVEを比較した。
NAVEは、CLEWSの1024次元と比較して256次元の埋め込みを使用し、埋め込みストレージの4倍の削減を提供する。
- 参考スコア(独自算出の注目度): 0.7609720475400503
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatic setlist identification aims to identify the songs performed in live concert recordings by matching noisy and variable-quality audio against a database of reference tracks. This task presents challenges beyond conventional music version identification, including substantial arrangement differences, background noise, and the need to process continuous recordings efficiently at large scale. In this work, we evaluate modern music version retrieval methods for setlist identification using the ASID benchmark, comparing the established Re-MOVE system with CLEWS and NAVE, an internal neural audio version embedding model. Our results show that NAVE and CLEWS substantially outperform Re-MOVE. Notably, NAVE uses 256-dimensional embeddings, compared with 1024 dimensions for CLEWS, providing a four-fold reduction in embedding storage while achieving better retrieval performance. We further evaluate music/non-music gating and find modest improvements in detection and temporal coverage, while qualitative analysis suggests that such preprocessing can improve recognition boundaries beyond what the standard ASID metrics capture. Overall, the results demonstrate that segment-level audio embeddings provide a strong basis for scalable setlist identification and that compact representations can achieve strong accuracy under realistic live-concert conditions at much lower storage and serving cost.
- Abstract(参考訳): 自動セットリスト識別は,音質・音質を基準トラックのデータベースと一致させることで,ライブコンサート録音で演奏される楽曲を識別することを目的とする。
本課題は,従来の楽曲バージョン識別以外の課題として,編曲の相違,背景雑音,連続録音を大規模に効率的に処理する必要性などがあげられる。
そこで本研究では,ASIDベンチマークを用いて,既存のRe-MOVEシステムとCLEWS,NAVE,内部ニューラルオーディオバージョン埋め込みモデルを比較し,セットリスト識別のための現代音楽バージョン検索手法の評価を行った。
その結果,NAVEとCLEWSはRe-MOVEよりも優れていた。
特にNAVEは、CLEWSの1024次元と比較して256次元の埋め込みを使用しており、より優れた検索性能を実現しつつ、埋め込みストレージの4倍の削減を実現している。
さらに音楽と非音楽のゲーティングを評価し,検出と時間的カバレッジを適度に改善する一方で,定性的分析により,標準的なASIDメトリクスのキャプチャ以上の認識境界を改善することが示唆された。
全体として、セグメントレベルのオーディオ埋め込みは、スケーラブルなセットリスト識別の強力な基盤となり、コンパクトな表現は、より少ないストレージとサービスコストで現実的なライブコンサート条件下で、高い精度で実現できることを示した。
関連論文リスト
- Towards Robust Version Identification in the Wild: A Dataset, Benchmark, and Fine-Tuning Study [9.415756457507383]
我々は1100万以上の音楽バージョンからなる大規模なVIデータセットであるDiVersを紹介した。
DiVersは自動的に割り当てられたタグとセグメントレベルの予測を提供する。
提案したデータセットを最先端VIシステムのトレーニングにより評価する。
論文 参考訳(メタデータ) (2026-08-05T07:28:25Z) - FIGMA: Towards FIne-Grained Music retrievAl [65.98380295254817]
自然言語記述による音楽の検索はCLAPのような対照的な音声テキストモデルで改善されているが、現在のシステムはいまだに大まかなセマンティッククエリに限られている。
この制限は、長いキャプションで訓練されているにもかかわらず、CLAPベースのモデルは、最初の数個のトークンのみを効果的に活用する。
本研究では,グローバルな音声テキストアライメントとフレームレベルのトークンアライメントを共同で最適化することで,この制限に対処するマルチビューコントラストアーキテクチャであるFIGMAを提案する。
論文 参考訳(メタデータ) (2026-06-04T18:05:39Z) - 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) - Refining music sample identification with a self-supervised graph neural network [16.73613870989583]
本稿では,グラフニューラルネットワークを用いた軽量でスケーラブルな符号化アーキテクチャを提案する。
我々のモデルは、現在の最先端システムと比較してトレーニング可能なパラメータの9%しか使用せず、平均平均精度(mAP)は44.2%に達している。
さらに,実世界のアプリケーションにおけるクエリは時間的に短い場合が多いため,Sample100データセットに対する新たな詳細なアノテーションを用いて,短いクエリをベンチマークする。
論文 参考訳(メタデータ) (2025-06-17T16:19:21Z) - MARBLE: Music Audio Representation Benchmark for Universal Evaluation [79.25065218663458]
我々は,UniversaL Evaluation(MARBLE)のための音楽音響表現ベンチマークを紹介する。
音響、パフォーマンス、スコア、ハイレベルな記述を含む4つの階層レベルを持つ包括的分類を定義することで、様々な音楽情報検索(MIR)タスクのベンチマークを提供することを目的としている。
次に、8つの公開データセット上の14のタスクに基づいて統一されたプロトコルを構築し、ベースラインとして音楽録音で開発されたすべてのオープンソース事前学習モデルの表現を公平かつ標準的に評価する。
論文 参考訳(メタデータ) (2023-06-18T12:56:46Z) - 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)
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。