BeatNet：用于在线联合节拍、下拍与拍号跟踪的 CRNN 与粒子滤波
音频与语音处理
2021-08-10 v1 人工智能
信息检索
机器学习
声音
信号处理
摘要
节奏信息（如节拍位置、下拍位置和拍号）的在线估计对许多实时音乐应用至关重要。音乐节奏包含跨时间的复杂层次关系，使其分析本质困难且有时具主观性。此外，试图实时估计节奏信息的系统必须是因果的，且必须快速高效地产生估计。在本工作中，我们引入一个用于联合节拍、下拍与拍号跟踪的在线系统，其利用因果卷积与循环层，随后在推理时应用一对序列蒙特卡洛粒子滤波器。所提系统无需以拍号作为先验即可进行下拍跟踪，而是能够估计拍号并随时间调整预测。此外，我们提出一种信息门策略，以显著降低推理步骤中粒子滤波的计算成本，使系统比先前的基于采样的方法快得多。在训练时未见的 GTZAN 数据集上的实验表明，该系统优于多种在线节拍与下拍跟踪系统，并达到与离线联合基线方法相当的性能。
引用
@article{arxiv.2108.03576,
title = {BeatNet: CRNN and Particle Filtering for Online Joint Beat Downbeat and Meter Tracking},
author = {Mojtaba Heydari and Frank Cwitkowitz and Zhiyao Duan},
journal= {arXiv preprint arXiv:2108.03576},
year = {2021}
}
备注
22nd International Society for Music Information Retrieval (ISMIR) Conference Paper, Fall 2021. 8 Pages (Total), 3 Figures, 2 Tables, 1 Algorithm