对抗与非对抗LSTM音乐生成模型的比较
机器学习
2022-11-03 v1 符号计算
声音
音频与语音处理
摘要
算法音乐作曲是一种在最少或无人工干预下创作音乐作品的方式。虽然循环神经网络传统上应用于许多序列到序列预测任务，包括成功的音乐作曲实现，但其基于输入到输出映射的标准监督学习方法导致音符多样性缺乏。因此，这些模型可被视为可能不适合诸如音乐生成之类的任务。生成对抗网络学习数据的生成分布并产生多样的样例。本工作实现并比较了在MIDI数据上训练的循环神经网络音乐作曲器的对抗与非对抗训练。生成的音乐样例由人类听众评估，记录其偏好。评估表明，对抗训练产生了更具美学吸引力的音乐。
引用
@article{arxiv.2211.00731,
title = {Comparision Of Adversarial And Non-Adversarial LSTM Music Generative Models},
author = {Moseli Mots'oehli and Anna Sergeevna Bosman and Johan Pieter De Villiers},
journal= {arXiv preprint arXiv:2211.00731},
year = {2022}
}
备注
Submitted to a 2023 conference, 20 pages, 13 figures