CoverHunter：基于精炼注意力与对齐的翻唱歌曲识别
声音
2023-06-16 v1 机器学习
音频与语音处理
摘要
摘要：翻唱歌曲识别（CSI）致力于在给定查询曲目后，从参考锚点中找出具有不同版本的同首音乐。本文提出一种名为 CoverHunter 的新颖系统，通过利用具有精炼注意力与对齐的更丰富特征，克服了现有检测方案的缺陷。CoverHunter 包含三个关键模块：1）卷积增强的 transformer（即 Conformer）结构，与主要依赖卷积神经网络的先前方法相比，其可捕获局部与全局特征交互；2）基于注意力的时间池化模块，进一步利用时间维度上的注意力；3）一种新颖的由粗到细训练方案，先训练网络对歌曲片段进行粗略对齐，再通过对齐片段上的训练精炼网络。同时，我们也总结了系统中使用的一些重要训练技巧，有助于取得更好结果。在多个标准 CSI 数据集上的实验表明，我们的方法以 128 的嵌入维度显著优于最先进方法（在 SHS100K-TEST 上提升 2.3%，在 DaTacos 上提升 17.7%）。
引用
@article{arxiv.2306.09025,
title = {CoverHunter: Cover Song Identification with Refined Attention and Alignments},
author = {Feng Liu and Deyi Tuo and Yinan Xu and Xintong Han},
journal= {arXiv preprint arXiv:2306.09025},
year = {2023}
}
备注
6 pages, 3 figures