基于音乐动机嵌入的精确且可扩展的版本识别
声音
2020-04-14 v2 机器学习
音频与语音处理
摘要
版本识别（VI）任务致力于自动检测对应于同一底层音乐作品的录音。尽管已有诸多努力，VI 仍是一个开放性问题，尤其在兼顾准确性与可扩展性方面仍有很大改进空间。本文提出 MOVE，一种用于精确且可扩展版本识别的音乐动机方法。MOVE 通过在欧几里得距离空间中学习可扩展嵌入、使用三元组损失和困难三元组挖掘策略，在两个公开可用的基准集上取得了最先进的性能。它通过采用一种替代的输入表示，并引入一种新颖的时间内容摘要技术、标准化潜在空间以及专为 VI 设计的数据增强策略，从而优于先前的工作。除主要结果外，我们进行了消融研究以凸显我们设计选择的重要性，并研究了嵌入维度与模型性能之间的关系。
引用
@article{arxiv.1910.12551,
title = {Accurate and Scalable Version Identification Using Musically-Motivated Embeddings},
author = {Furkan Yesiler and Joan Serrà and Emilia Gómez},
journal= {arXiv preprint arXiv:1910.12551},
year = {2020}
}