基于多尺度网络与自注意力机制的帧级多标签演奏技法检测
声音
2023-03-24 v1 人工智能
音频与语音处理
摘要
乐器演奏技法（IPT）是音乐表现的关键要素。然而，现有IPT检测工作多关注单音音乐信号，对于在含重叠或混合IPT的复调乐器独奏中检测IPT鲜有研究。本文将此建模为帧级多标签分类问题，并应用于中国弹拨乐器古筝。我们创建了新数据集Guzheng_Tech99，包含古筝录音及每个音符的起音、止音、音高、IPT标注。因不同IPT长度差异显著，我们提出一种结合多尺度网络与自注意力的新方法。多尺度网络从不同尺度提取特征，应用于最粗尺度特征图的自注意力机制进一步增强了长程特征提取。我们的方法大幅优于现有工作，表明其在IPT检测中的有效性。
引用
@article{arxiv.2303.13272,
title = {Frame-Level Multi-Label Playing Technique Detection Using Multi-Scale Network and Self-Attention Mechanism},
author = {Dichucheng Li and Mingjin Che and Wenwu Meng and Yulun Wu and Yi Yu and Fan Xia and Wei Li},
journal= {arXiv preprint arXiv:2303.13272},
year = {2023}
}
备注
Accepted to ICASSP 2023