基于生成对抗对偶学习的音乐流派融合
机器学习
2020-03-12 v1 人工智能
多媒体
声音
音频与语音处理
摘要
FusionGAN 是一种新颖的用于音乐生成的流派融合框架，它集成了生成对抗网络与对偶学习的优势。具体而言，所提方法提供了一种对偶学习扩展，能有效整合给定领域的风格。为高效量化不同领域间的差异并避免梯度消失问题，FusionGAN 提供了一种基于 Wasserstein 的度量来近似目标领域与已有领域间的距离。采用 Wasserstein 距离，通过对抗学习组合已有领域的模式来创建一个新领域。在公开音乐数据集上的实验结果表明，我们的方法能有效融合两种流派。
引用
@article{arxiv.1712.01456,
title = {Learning to Fuse Music Genres with Generative Adversarial Dual Learning},
author = {Zhiqian Chen and Chih-Wei Wu and Yen-Cheng Lu and Alexander Lerch and Chang-Tien Lu},
journal= {arXiv preprint arXiv:1712.01456},
year = {2020}
}
备注
International Conference on Data Mining - New Orleans, 2017