深度变分贝叶斯方法中正则化损失函数联合最小化研究：面向属性可控的符号音乐生成
机器学习
2025-11-11 v1 人工智能
音频与语音处理
摘要
显式潜变量模型提供了灵活且强大的框架，用于数据合成，使可控地操控生成因子成为可能。通过从可解析概率密度函数中抽取的潜变量（可进一步受约束），这些模型使得通过在潜在空间中导航，实现对输出空间的连续且语义丰富的探索成为可能。通常通过联合最小化正则化损失函数来获得结构化的潜在表示。在变分信息瓶颈模型中，重构损失和 Kullback-Leibler 散度 (KLD) 常与辅助属性正则化 (AR) 损失线性组合。然而，KLD 与 AR 的平衡问题相当棘手。当 KLD 主导于 AR 时，生成模型倾向于缺乏可控性；当 AR 主导于 KLD 时，随机编码器将被鼓励违反标准正态先验。我们在具有对连续音乐属性的显式控制的符号音乐生成背景下探讨了这一权衡。我们表明，现有方法在联合最小化两种正则化目标方面难以实现，而合适的属性转换可帮助实现对目标潜在维度的可控性和正则化。
引用
@article{arxiv.2511.07118,
title = {On the Joint Minimization of Regularization Loss Functions in Deep Variational Bayesian Methods for Attribute-Controlled Symbolic Music Generation},
author = {Matteo Pettenó and Alessandro Ilic Mezza and Alberto Bernardini},
journal= {arXiv preprint arXiv:2511.07118},
year = {2025}
}
备注
IEEE Catalog No.: CFP2540S-ART ISBN: 978-9-46-459362-4