迁移学习是否是小提琴转位盘 necessary？
声音
2025-08-21 v2 音频与语音处理
摘要
自动音乐转位盘(AMT)因大规模高质量数据集的可用，已在钢琴等乐器上取得显著进展。然而，小提琴AMT仍未得到充分探索，原因在于标注数据有限。常见方法是对预训练模型进行微调，但在音色和演奏技法差异的存在下，这种迁移的有效性尚不明确。本文我们研究在中等规模的小提琴数据集上从头训练是否能匹配微调的钢琴预训练模型的性能。我们采用钢琴转位盘架构而不作修改，在约30小时对齐小提琴录音的MOSA数据集上进行训练。我们的实验在URMP和Bach10上显示，训练自头的模型在性能上与微调版本并列甚至更优。这些发现表明，无需依赖钢琴表示即可实现优异的小提琴AMT性能，强调了乐器特定数据收集和数据增强策略的重要性。
引用
@article{arxiv.2508.13516,
title = {Is Transfer Learning Necessary for Violin Transcription?},
author = {Yueh-Po Peng and Ting-Kang Wang and Li Su and Vincent K. M. Cheung},
journal= {arXiv preprint arXiv:2508.13516},
year = {2025}
}
备注
Accepted at ISMIR 2025 as Late-Breaking Demo (LBD)