基于U-Net图像上色器的MIDI力度填充
声音
2026-01-06 v2 音频与语音处理
摘要
现代音乐制作家常使用MIDI(Musical Instrument Digital Interface)存储音乐作品。然而，由数字软件创建的MIDI文件可能缺乏人类演出的表现性特征，实际上是将力度参数——控制音符音量的参量——留为未定义状态，默认为平坦值。MIDI力度填充任务即使用回归模型调整此参数以增强音乐表现性。本文引入广泛采用的U-Net架构（源自图像上色）到此任务中。将MIDI数据概念化为图像，我们采用窗口注意力并开发自定义损失函数以解决MIDI转换图像的稀疏性。由于数据集可用性限制，我们的实验仅针对钢琴数据。在MAESTO v3和SMD数据集上评估，我们的方法在定量指标和定性听觉测试中均优于先前方法。
引用
@article{arxiv.2508.07751,
title = {Filling MIDI Velocity using U-Net Image Colorizer},
author = {Zhanhong He and David Cooper and Defeng Huang and Roberto Togneri},
journal= {arXiv preprint arXiv:2508.07751},
year = {2026}
}
备注
accepted to CMMR2025 conference