多音音乐中的少样本鼓转录
声音
2020-08-07 v1 音频与语音处理
摘要
数据驱动的自动鼓转录（ADT）方法通常局限于预定义的小型打击乐器类别词表。此类模型无法识别词表外的类别，也无法适应更细粒度的词表。在本工作中，我们通过将少样本学习引入该任务来解决开放词表ADT问题。我们在合成数据集上训练一个原型网络（Prototypical Network），并在多个具有多音伴奏的真实世界ADT数据集上评估该模型。我们表明，在推理时仅给定少量选定样本，我们便能在固定词表设定下匹配甚至在部分情况下超越最先进的监督式ADT方法。同时，我们表明我们的模型能够成功泛化到训练期间未见的更细粒度或扩展词表，而这一场景下监督式方法根本无法运作。我们对实验结果进行了详细分析，包括按声音类别和多音性划分的性能拆解。
引用
@article{arxiv.2008.02791,
title = {Few-Shot Drum Transcription in Polyphonic Music},
author = {Yu Wang and Justin Salamon and Mark Cartwright and Nicholas J. Bryan and Juan Pablo Bello},
journal= {arXiv preprint arXiv:2008.02791},
year = {2020}
}
备注
ISMIR 2020 camera-ready