HEAR：层次化增强的多维音乐审美表示
声音
2026-01-01 v2 人工智能
音频与语音处理
摘要
由于音乐感知的多维特性以及标注数据稀缺，评估歌曲的审美性是一个具有挑战性的任务。我们提出 HEAR，一个稳健的音乐审美评估框架，结合：(1) 多来源多尺度表示模块以获取互补的片段和曲目级别特征，(2) 层次化数据增强策略以缓解过拟合，以及 (3) 集成回归和排序损失的混合训练目标，以实现准确评分和可靠的上层歌曲识别。实验表明，HEAR 在 ICASSP 2026 SongEval 基准测试的两个轨道上，在所有指标上均 consistently 优于基线方法。代码和训练好的模型权重可在 https://github.com/Eps-Acoustic-Revolution-Lab/EAR_HEAR 获取。
引用
@article{arxiv.2511.18869,
title = {Hear: Hierarchically Enhanced Aesthetic Representations For Multidimensional Music Evaluation},
author = {Shuyang Liu and Yuan Jin and Rui Lin and Shizhe Chen and Junyu Dai and Tao Jiang},
journal= {arXiv preprint arXiv:2511.18869},
year = {2026}
}