基于最优传输的数值音乐钢琴转谱方法
声音
2026-05-19 v1 多媒体
摘要
本文描述了一种新范式，将自动钢琴转谱（APT）形式化为最优传输（OT）问题，而非帧级多标签二分类问题。该方法学习最小化将预测的音符事件分布运输到时间和频率上的真实分布的成本。因此，OT 损失能够容纳时间错位，导致感知上相关的优化。我们还提出了一种带有调谐感知注意力机制的卷积循环神经网络（CRNN），以捕捉音乐中固有的时频依赖性。使用 MAESTRO 数据集进行的实验表明，我们的方法在音符起始检测方面实现了最新性能。我们确认了 OT 损失在应用于现有模型时的通用性。
引用
@article{arxiv.2605.17405,
title = {A Distribution Matching Approach to Neural Piano Transcription with Optimal Transport},
author = {Weixing Wei and Raynaldi Lalang and Dichucheng Li and Kazuyoshi Yoshii},
journal= {arXiv preprint arXiv:2605.17405},
year = {2026}
}
备注
Accepted to ICASSP2026