在音乐生成的数据集持续增强中融入音乐知识
声音
2020-07-22 v4 机器学习
音频与语音处理
机器学习
摘要
深度学习已迅速成为音乐生成的最先进方法。然而，训练深度模型通常需要大型训练集，而对于特定音乐风格往往不可用。在本文中，我们提出增强式生成（Aug-Gen），一种针对在资源受限领域上训练的任何音乐生成系统的数据集增强方法。该方法的关键直觉是，只要生成系统产生的示例具有足够高的质量和多样性，就可以通过其在训练过程中生成的示例来增强生成系统的训练数据。我们将 Aug-Gen 应用于基于 Transformer 的 J.S. Bach 风格众赞歌生成，并表明这允许更长的训练并带来更好的生成输出。
引用
@article{arxiv.2006.13331,
title = {Incorporating Music Knowledge in Continual Dataset Augmentation for Music Generation},
author = {Alisa Liu and Alexander Fang and Gaëtan Hadjeres and Prem Seetharaman and Bryan Pardo},
journal= {arXiv preprint arXiv:2006.13331},
year = {2020}
}
备注
2 pages, 2 figures, Machine Learning for Media Discovery (ML4MD) Workshop at ICML 2020