基于改进结构相似性指数测度评估符号音乐中的数据复制
音频与语音处理
2025-09-18 v1
摘要
AI 生成的音乐可能无意中复制训练数据的样本，引发版权问题。相似性度量方法可量化这种复制程度，从而为音乐生成模型提供监督与指导。现有符号音乐相似性度量方法主要针对旋律重复，缺乏对复杂纹理丰富且具有表现性特征的音乐的评估。为此，我们提出SSIMuse，将图像结构相似性指数 measure (SSIM) 首次适用于符号音乐。具体而言，我们将符号音乐表示为二值化和速度基的图像式钢琴卷子。基于这些表示，我们重新解释并合理修改 SSIM 的组成部分，发展出两种变体，即 SSIMuse-B 和 SSIMuse-V，分别用于评估作曲和动态演奏中的数据复制。多数据集上对合成样本的控制实验表明，SSIMuse 能可靠检测至少一个小节粒度的精确复制。SSIMuse 实现了音乐生成中复制的开放式评估，并引发其更广泛的伦理、社会、法律和经济影响。代码已公开于 https://github.com/Tayjsl97/SSIMuse。
引用
@article{arxiv.2509.13658,
title = {Assessing Data Replication in Symbolic Music via Adapted Structural Similarity Index Measure},
author = {Shulei Ji and Zihao Wang and Le Ma and Jiaxing Yu and Kejun Zhang},
journal= {arXiv preprint arXiv:2509.13658},
year = {2025}
}