将节拍跟踪模型适配于拉丁美洲音乐
声音
2023-04-17 v1 音频与语音处理
摘要
近年来，随着深度学习方法的引入，节拍与强拍跟踪模型取得了显著改进。然而，尽管有这些改进，若干挑战依然存在。特别是，将现有模型适配于音乐信息检索（MIR）中代表性不足的音乐传统，通常意味着收集并标注大量数据，这既不实用又耗时。迁移学习、数据增强与微调技术已在相关任务中相当成功地使用，并已知可缓解这一瓶颈。此外，在研究这些音乐传统时，模型无需泛化到多种主流音乐流派，而只需在更受限、同质化的条件下表现良好。在本工作中，我们研究了简单而有效的策略，将节拍与强拍跟踪模型适配于两种不同的拉丁美洲音乐传统，并分析了这些适配在涉及数据与计算需求的真实应用中的可行性。与普遍看法相反，我们的发现表明，仅需花费几分钟标注部分数据并在标准 CPU 机器上训练模型，即可获得良好性能，所需资源的精确数量取决于任务与数据集的复杂度。
引用
@article{arxiv.2304.07186,
title = {Adapting Meter Tracking Models to Latin American Music},
author = {Lucas S. Maia and Martín Rocamora and Luiz W. P. Biscainho and Magdalena Fuentes},
journal= {arXiv preprint arXiv:2304.07186},
year = {2023}
}
备注
Accepted at ISMIR 2022. This version was made after a bug fix in the code, which lead to minor modifications in the results (updated in Figure 1 and Table 1). The paper's conclusions remain unchanged