EngravingGNN：用于端到端钢琴乐谱雕版的混合图神经网络

本文聚焦于自动音乐雕版，即从音乐内容创建人类可读的乐谱。这一步骤对于所有包含人类演奏者的应用都至关重要，但在符号音乐处理领域，它仍是一个基本未被探索的课题。在这项工作中，我们将该问题形式化为一组相互依赖的子任务，并提出了一个统一的图神经网络（GNN）框架，该框架针对钢琴音乐和量化符号输入。我们的方法采用多任务 GNN 来联合预测声部连接、谱表分配、音高拼写、调号、符干方向、八度移位和谱号。一个专门的后处理流程生成可供打印的 MusicXML/MEI 输出。在两个不同的钢琴语料库（J-Pop 和 DCML Romantic）上的综合评估表明，与仅专注于特定子任务的现有系统相比，我们的统一模型在所有子任务上都取得了良好的准确率。这些结果表明，在多任务设置中，一个共享的 GNN 编码器配合轻量级的任务特定解码器，为自动音乐雕版提供了一种可扩展且有效的解决方案。