使用深度学习方法重访卡纳塔尔音乐中的节拍跟踪

节拍和下拍跟踪，统称为节律跟踪，是音乐信息检索 (MIR) 中的基本任务。深度学习模型在该领域远超传统信号处理和经典机器学习方法，尤其是在西方 (欧洲血统) 风格中，因大量标注数据而广为人知。然而，这些系统在代表性不足的音乐传统上表现较差。卡纳塔尔音乐，源自印度次大陆，因其节奏细节和独特的度数结构 (t\=alas) 而闻名。最显著的先前工作在此背景下采用概率动态贝叶斯网络 (DBN)。然而，针对卡纳塔尔音乐，最先进 (SOTA) 深度学习模型的性能仍基本未探索。本研究评估了两种卡纳塔尔音乐节律跟踪模型：Temporal 卷积网络 (TCN)，一种已成功适用于拉丁节奏的轻量级架构；以及Beat This!，一种为广泛风格覆盖而设计的基于Transformer的模型，无需后处理。我们复制了DBN基线在卡纳塔尔音乐节奏 (CMR$_f$) 数据集上的实验设置，系统评估这些模型在可直接比较的setting下的性能。我们进一步探讨了适应策略，包括在卡纳塔尔数据上进行微调以及使用受音乐性启发的参数。结果表明，虽然即插即用模型并不总是超过DBN，但经过迁移学习后，其性能显著提升，甚至超过基线。这些发现表明，SOTA深度学习模型可以有效地适应底层传统，为更具包容性和广泛适用性的节律跟踪系统铺平了道路。