重新思考用于音乐创作的循环潜变量模型
声音
2018-10-09 v1 机器学习
多媒体
音频与语音处理
摘要
我们提出了一种用于捕捉音乐特征并创作新颖音乐序列的模型，称为卷积变分循环神经网络（Convolutional Variational Recurrent Neural Network）。为生成序列数据，该模型采用带有潜概率连接的编码器-解码器架构以捕捉音乐的隐藏结构。利用序列到序列模型，我们的生成模型可利用来自先验分布的样本并生成更长的音乐序列。我们使用由变长马尔可夫预言机（Variable Markov Oracle）实现的信息率准则，将所提模型与其他类型的神经网络的性能进行比较，该方法可对音乐信息动态进行统计表征并检测歌曲中的动机。我们的结果表明，所提模型在统计上更好地近似了训练数据的音乐结构，从而改进了以原作风格创作新音乐序列的能力。
引用
@article{arxiv.1810.03226,
title = {Rethinking Recurrent Latent Variable Model for Music Composition},
author = {Eunjeong Stella Koh and Shlomo Dubnov and Dustin Wright},
journal= {arXiv preprint arXiv:1810.03226},
year = {2018}
}
备注
Published as a conference paper at IEEE MMSP 2018