MAJL：面向音乐源分离与音高估计的模型无关联合学习框架
声音
2025-01-08 v1 人工智能
音频与语音处理
摘要
音乐源分离与音高估计是音乐信息检索中的两个关键任务。通常情况下，音高估计的输入来自音乐源分离的输出。因此，现有方法尝试同时完成这两个任务，以利用两者之间的相互优势。然而，这些方法仍面临两个关键挑战：标签数据的缺乏以及联合学习优化。在针对这些挑战时，我们提出了面向音乐源分离与音高估计的模型无关联合学习（MAJL）框架。MAJL是一个通用框架，可为每个任务使用不同模型。它包含两个训练阶段和一个名为“动态硬样本权重”（DWHS）的动态加权方法，分别解决标签数据不足和联合学习优化的问题。在公开音乐数据集上的实验结果表明，MAJL 在两个任务上均优于当前最先进的方法，音乐源分离的信噪比失真比（SDR）提升了 0.92，音高估计的原始音高准确率（RPA）提升了 2.71%。此外，详尽的研究不仅验证了MAJL每个组件的有效性，还表明MAJL在适应不同模型架构方面具有很好的通用性。
引用
@article{arxiv.2501.03689,
title = {MAJL: A Model-Agnostic Joint Learning Framework for Music Source Separation and Pitch Estimation},
author = {Haojie Wei and Jun Yuan and Rui Zhang and Quanyu Dai and Yueguo Chen},
journal= {arXiv preprint arXiv:2501.03689},
year = {2025}
}