Music4All A+A：面向音乐信息检索任务的多模态数据集
摘要
音乐具有与不同模态相关的特征，如音频信号、歌词或音乐视频片段。这推动了音乐信息检索（MIR）任务（如流派分类或自动标注）的多模态数据集和方法的发展。音乐可以在不同粒度层次上描述，例如在艺术家或音乐专辑层面定义流派。然而，大多数多模态MIR数据集忽视了这一点，在单曲层面提供数据。我们旨在填补这一空白，提供Music4All Artist and Album（Music4All A+A），一个基于音乐艺术家和专辑的多模态MIR数据集。Music4All A+A建立在Music4All-Onion数据集之上，后者是MIR任务中现有的单曲层面数据集。Music4All A+A为6,741位艺术家和19,511张专辑提供了元数据、流派标签、图像表示和文本描述。此外，由于Music4All A+A建立在Music4All-Onion之上，它还可以访问其他单轨层面的多模态数据，包括用户-物品交互数据。这使得Music4All A+A适用于广泛的多模态MIR任务，包括在多个粒度层次上的多模态音乐推荐。为了展示Music4All A+A的用处，我们在艺术家和专辑的多模态流派分类上进行了实验，包括缺失模态场景下的分析，以及与电影领域流派分类的定量比较。我们的实验表明，图像对分类艺术家和专辑的流派更具信息量，且多模态流派分类模型在跨领域泛化方面普遍存在困难。我们提供了可复现实验的代码（https://github.com/hcai-mms/Music4All-A-A），数据集在代码库中链接并在CC BY-NC-SA 4.0许可下开源提供。
引用
@article{arxiv.2509.14891,
title = {Music4All A+A: A Multimodal Dataset for Music Information Retrieval Tasks},
author = {Jonas Geiger and Marta Moscati and Shah Nawaz and Markus Schedl},
journal= {arXiv preprint arXiv:2509.14891},
year = {2025}
}
备注
7 pages, 6 tables, IEEE International Conference on Content-Based Multimedia Indexing (IEEE CBMI)