爵士主谱的光学音乐识别

本文针对手写爵士主谱（jazz lead sheet）的光学音乐识别（Optical Music Recognition, OMR）任务进行了研究。该任务具有挑战性，主要原因在于存在包含和弦（chords）这一成分，而现有 OMR 系统尚未处理；此外，手写图像具有高度可变性和质量问题。我们的贡献有两个方面：其一，我们构建了一个新型数据集，包含 293 份手写爵士主谱，对应 163 件独立作品，总计 2021 份乐谱线（staves），并配有 Humdrum **kern 和 MusicXML 地面实况乐谱。我们还提供了从地面实况乐谱生成的合成乐谱图像。我们的第二个贡献是开发了一个针对爵士主谱的 OMR 模型。我们讨论了与我们数据类型相关的特定标记化选择，并阐述了使用合成乐谱和预训练模型的优势。我们公开发布了所有代码、数据和模型。