dMelodies：用于解耦学习的音乐数据集
机器学习
2020-07-31 v1 声音
音频与语音处理
摘要
聚焦于解耦给定数据中潜在变化因素的表示学习已成为机器学习中的重要研究领域。然而，该领域多数研究依赖计算机视觉领域的数据集，因此尚未轻易扩展到音乐。本文提出一个新的符号音乐数据集，可帮助从事解耦问题的研究者在多样领域展示其算法效能。这也为评估专为音乐设计的算法提供了手段。为此，我们创建了一个由2小节单声部旋律组成的数据集，其中每首旋律是九个潜在因素（涵盖有序、类别与二值类型）唯一组合的结果。该数据集足够大（约130万数据点）以训练和测试用于解耦学习的深度网络。此外，我们使用流行的无监督解耦算法在该数据集上进行基准实验，并将结果与基于图像的数据集上的结果进行比较。
引用
@article{arxiv.2007.15067,
title = {dMelodies: A Music Dataset for Disentanglement Learning},
author = {Ashis Pati and Siddharth Gururani and Alexander Lerch},
journal= {arXiv preprint arXiv:2007.15067},
year = {2020}
}
备注
To be published in: Proceedings of 21st International Society for Music Information Retrieval Conference (ISMIR), Montr\'eal, Canada, 2020