基于域对抗训练学习鲁棒音乐表示的音乐自动标注

音乐自动标注对于增强音乐发现和推荐至关重要。音乐信息检索(MIR)中的现有模型在处理多媒体内容中的现实世界噪声（如环境声和语音声）时存在困难。本研究提出了一种受语音相关任务启发的方法，以增强噪声环境下的音乐自动标注性能。该方法将域对抗训练(DAT)集成到音乐领域中，使模型能够学习抵御噪声的鲁棒音乐表示。与以往研究不同，该方法包含一个针对域分类器的额外预训练阶段，以避免后续阶段性能下降。加入各种合成的噪声音乐数据提升了模型在不同噪声水平下的泛化能力。所提架构通过有效利用无标签噪声音乐数据，在音乐自动标注中展现出提升的性能。使用补充无标签数据的额外实验进一步提升了模型性能，凸显了其强大的泛化能力和广泛的适用性。