HPPNet：在钢琴转录中建模谐波结构与音高不变性
声音
2022-09-01 v2 多媒体
音频与语音处理
摘要
尽管神经网络模型在钢琴转录方面取得了显著进展，但由于需要更大的模型规模和更多的计算能力，它们正变得愈发消耗资源。在本文中，我们尝试引入更多关于钢琴的先验知识，以减小模型规模并提升转录性能。钢琴音符的声音包含各种泛音，且按键的音高不随时间改变。为充分利用此类潜在信息，我们提出HPPNet，其使用谐波扩张卷积来捕获谐波结构，并使用频率分组循环神经网络来建模随时间变化的音高不变性。在MAESTRO数据集上的实验结果表明，我们的钢琴转录系统在职级和音符得分上均达到了最先进性能(帧F1 93.15%，音符F1 97.18%)。此外，模型规模远小于先前最先进的深度学习模型。
引用
@article{arxiv.2208.14339,
title = {HPPNet: Modeling the Harmonic Structure and Pitch Invariance in Piano Transcription},
author = {Weixing Wei and Peilin Li and Yi Yu and Wei Li},
journal= {arXiv preprint arXiv:2208.14339},
year = {2022}
}
备注
Accepted to ISMIR 2022