从失调到和谐：用于改进音频和弦估计的基于分解协和度的训练

音频和弦估计（ACE）在音乐信息研究中扮演着关键角色，由于其在音乐转录与分析中的相关性，二十多年来一直备受关注。尽管取得了显著进展，但该任务仍面临挑战，特别是与谐波内容的独特性质相关的挑战，这导致现有系统的性能达到了天花板。这些挑战包括标注者主观性，即标注者之间的不同解释导致不一致性；以及和弦数据集内的类别不平衡，即某些和弦类别的样本数量相对于其他类别过多，给模型训练和评估带来了困难。作为首个贡献，本文使用超越传统二元度量的指标，对和弦标注中的标注者间一致性进行了评估。此外，我们提出了一种基于协和度的距离度量，反映了谐波标注之间的感知相似性。我们的分析表明，基于协和度的距离度量能更有效地捕捉标注之间具有音乐意义的一致性。在这些发现的基础上，我们引入了一种新颖的基于 Conformer 的 ACE 模型，通过基于协和度的标签平滑将协和度概念整合到模型中。该模型还通过分别估计根音、低音和所有音符激活来解决类别不平衡问题，从而能够从分解的输出中重建和弦标签。