音乐情感识别中数据分布差距研究
声音
2025-11-14 v1 机器学习
摘要
音乐情感识别 (MER) 与人类感知紧密相关, 依赖大量主观注释收集。先前研究倾向于关注特定的音乐风格, 而不将多种风格(如摇滚乐和古典乐)纳入单一框架。本文通过调查五个带有维度情感注释的数据集 -- EmoMusic、DEAM、PMEmo、WTC 和 WCMED -- 来解决从音频内容中识别情感的问题, 这些数据集涵盖了各种音乐风格。我们系统性地演示了跨分布 generalization 的问题。通过仔细审视多组数据和特征集, 我们提供了关于 genre-情感关系的见解, 并检查了特定特征表示中的 genre 主导和数据集偏差。基于这些实验, 我们得出结论, 将来自 Jukebox 模型提取的嵌入与 chroma 特征组合的简单而有效的框架, 以及结合多个多样化训练集的做法, 允许我们训练具有显著改进的跨数据集 generalization 能力的模型。
引用
@article{arxiv.2510.04688,
title = {A Study on the Data Distribution Gap in Music Emotion Recognition},
author = {Joann Ching and Gerhard Widmer},
journal= {arXiv preprint arXiv:2510.04688},
year = {2025}
}
备注
Accepted at the 17th International Symposium on Computer Music Multidisciplinary Research (CMMR) 2025