一种适用于少样本学习的对比式自监督节拍跟踪方案
音频与语音处理
2024-11-08 v1 声音
摘要
本文提出了一种用于训练节奏分析系统的新型自监督学习方案，并将其实例化为少样本节拍跟踪。借鉴对比预测编码范式，我们提出训练一个Log-Mel频谱图Transformer编码器，使其对比间隔为假设节拍间隔的观测值与那些不是的观测值。我们在不知道真实速度或节拍位置的情况下进行此操作，而是依赖主导局部脉冲函数的局部最大值（被视为Tatum位置的代理）来定义候选锚点、候选正样本（位于锚点2的幂次距离处）和负样本（其余时间位置）。我们证明，使用该方法在无标注的FMA、MTT和MTG-Jamendo数据集上预训练的模型可以成功进行少样本微调，即仅需少量标注样本即可获得具有竞争力的节拍跟踪性能。
引用
@article{arxiv.2411.04152,
title = {A Contrastive Self-Supervised Learning scheme for beat tracking amenable to few-shot learning},
author = {Antonin Gagnere and Geoffroy Peeters and Slim Essid},
journal= {arXiv preprint arXiv:2411.04152},
year = {2024}
}