深度学习模型能否预测沟槽评分？
声音
2026-03-31 v1 人工智能
机器学习
音频与语音处理
摘要
本研究探讨了深度学习模型从音频信号直接预测沟槽(groove)及其相关感知维度的能力。我们批判性地检验了七种最先进深度学习模型在预测沟槽评分与沟槽相关查询响应方面的效果，通过提取音频嵌入。此外，我们将这些预测与传统手工特征进行比较。为更好理解底层机制，我们将该方法扩展到基于源分离乐器的预测分析，从而隔离各个音乐元素的贡献。我们的分析揭示，沟槽特征由所属音乐风格（爵士、流行、摇滚）所主导。这些发现表明，深度音频表征能够成功编码传统特征常忽视的复杂、风格相关的沟槽成分。最终，本工作凸显了先进深度学习模型捕捉沟槽这一多层次概念的能力，展示了表征学习在推动音乐信息检索预测方法方面的强大潜力。
引用
@article{arxiv.2603.27237,
title = {Can pre-trained Deep Learning models predict groove ratings?},
author = {Axel Marmoret and Nicolas Farrugia and Jan Alexander Stupacher},
journal= {arXiv preprint arXiv:2603.27237},
year = {2026}
}
备注
Submitted to the SMC 2026 conference. 3 figures and 2 tables