ADTOF：用于自动鼓点转录的大型非合成音乐数据集

在存在旋律乐器情况下的鼓点转录（DTM）最优方法是以监督方式训练的机器学习模型，这意味着它们依赖于标注数据集。问题在于，现有的公开数据集在规模或真实感上均有限，因而用于训练并不理想。事实上，目前最佳结果是通过一种相当复杂的多步训练流程获得的，该流程同时涉及真实与合成数据集。为解决此问题，我们从节奏游戏玩家社区提供大量标注数据这一观察出发，策划了一个新的众包鼓点转录数据集。该数据集包含真实世界音乐，经人工标注，且规模约为其他任何非合成数据集的两个数量级之大，使其成为训练用途的首选。然而，由于众包，初始标注包含错误。我们讨论了如何通过自动纠正不同类型的错误来提升数据集质量。当用于训练一个流行的 DTM 模型时，该数据集取得的性能与 DTM 当前最优水平相当，从而证明了标注的质量。