BEAST：基于流式 Transformer 的在线联合节拍与强拍跟踪

许多深度学习模型在离线节拍跟踪任务上已取得主导性能。然而，仅利用过去和当前输入特征的在线节拍跟踪仍然具有挑战性。在本文中，我们提出了 BEAt tracking Streaming Transformer (BEAST)，这是一种基于流式 Transformer 的在线联合节拍和强拍跟踪系统。为了应对在线场景，BEAST 在 Transformer 编码器中应用了上下文块处理。此外，我们在流式 Transformer 编码器的注意力层中采用了相对位置编码，以捕捉音乐中至关重要的相对时序位置信息。在最大延迟低于 50 ms 的低延迟场景下，在基准数据集上进行节拍和强拍实验，BEAST 在节拍跟踪上的 F1 值为 80.04%，在强拍跟踪上为 46.78%，相较于最先进的在线节拍跟踪模型提升了约 5 个百分点。