用于复调旋律提取的深度域适应
音频与语音处理
2023-04-07 v2 声音
摘要
从复调音频中提取主旋律音高是音乐信息检索与计算音乐学领域的基础任务之一。为使用机器学习完成该任务，需要大量标注音频数据来训练预测音高轮廓的模型。但一个在某一领域（源）数据上预训练的古典模型，例如特定歌手或流派的歌曲，在其他领域（目标）提取旋律时可能表现欠佳。通过使用目标域中部分标注数据对模型进行适应，可提升此类模型的性能。本工作中，我们研究了应用于复调旋律提取机器学习模型的多种适应技术。实验结果表明，基于元学习的适应优于简单微调。此外，我们发现该方法优于现有的最先进非适应复调旋律提取算法。
引用
@article{arxiv.2210.12532,
title = {Deep domain adaptation for polyphonic melody extraction},
author = {Kavya Ranjan Saxena and Vipul Arora},
journal= {arXiv preprint arXiv:2210.12532},
year = {2023}
}
备注
Want to withdraw this paper because few concepts of domain adaptation are not clear in the paper