基于音乐感知指标评估高分辨率钢琴 sustain pedal 深度估计
信息检索
2026-02-04 v2 声音
音频与语音处理
摘要
仅依赖常规帧级指标进行连续钢琴踏板深度估计任务的评估尚不完整，这些指标忽略了诸如方向变化边界和踏板曲线轮廓等音乐重要特征。为提供更具可解释性和音乐意义的洞察，本文提出了评估框架，将标准帧级指标与基于按下/保持/释放状态分段的行动级评估（测量方向和时序）以及针对每个按下-释放循环的手势级分析（评估轮廓相似性）相结合。我们将该框架应用于比较音频基线模型与两种变体：一种集成MIDI符号信息，另一种在二值化设置下训练的模型，所有模型均在统一架构中实现。结果表明，尽管帧级收益适度，受MIDI启发的模型在行动和手势水平上显著优于其他模型。这些发现表明，我们的框架捕捉了传统指标难以察觉的音乐相关改进，为评估踏板深度估计模型提供了更实用且更有效的方法。
引用
@article{arxiv.2510.03750,
title = {Evaluating High-Resolution Piano Sustain Pedal Depth Estimation with Musically Informed Metrics},
author = {Hanwen Zhang and Kun Fang and Ziyu Wang and Ichiro Fujinaga},
journal= {arXiv preprint arXiv:2510.03750},
year = {2026}
}