基于感知原则的图卷积用于音乐理解任务

我们提出了一种新的图卷积模块，称为MusGConv，专为高效处理音乐记谱数据而设计，受通用感知原则的启发。它聚焦于音乐的两个基本维度——音高和节奏，考虑这些组成部分的相对和绝对表示。我们在四个不同的音乐理解问题上评估了该方法：单音声分离、和声分析、节奏检测和作曲家识别，这些问题在抽象意义上对应于不同的图学习问题，即节点分类、链路预测和图分类。我们的实验表明，MusGConv在上述三个任务中均提升了性能，而且概念上非常简单且高效。我们将其解释为，在为音乐记谱数据上的图网络应用包含感知感知处理的基本音乐概念时，是有益的。