舞蹈舞蹈卷积
机器学习
2017-06-22 v3 多媒体
神经与进化计算
声音
机器学习
摘要
舞蹈革命（DDR）是一款流行的基于节奏的视频游戏。玩家按照屏幕上步谱的指示，在舞蹈平台上随音乐同步踏步。尽管标准化包中有许多步谱可用，玩家可能会厌倦现有步谱，或希望为没有步谱的歌曲跳舞。我们引入了学习编排步谱的任务。给定原始音轨，目标是生成新的步谱。该任务自然分解为两个子任务：决定何时放置脚步以及决定选择哪些脚步。对于脚步放置任务，我们结合循环与卷积神经网络，以低层级音频特征的光谱图为输入，在步谱难度条件下预测脚步。对于脚步选择，我们提出了一种条件 LSTM 生成模型，其大幅优于 n-gram 和固定窗口方法。
引用
@article{arxiv.1703.06891,
title = {Dance Dance Convolution},
author = {Chris Donahue and Zachary C. Lipton and Julian McAuley},
journal= {arXiv preprint arXiv:1703.06891},
year = {2017}
}
备注
Published as a conference paper at ICML 2017