基于图神经网络的罗马数字分析和弦标注：从音符级特征到起音级预测
声音
2023-07-13 v2 机器学习
摘要
罗马数字分析是识别调性音乐中 chords 及其功能语境的重要任务。本文提出一种符号音乐中自动罗马数字分析的新方法。现有技朮依赖于乐谱的一种中间有损表示，而我们提出一种基于图神经网络（GNN）的新方法，能够直接描述和处理乐谱中的每一个独立音符。所提出的架构可利用音符级特征及音符间的相互依赖关系，并借助我们新颖的边收缩算法产生起音级表示。我们的结果表明，ChordGNN 优于现有的最先进模型，在参考数据集上的罗马数字分析准确率更高。此外，我们研究了使用所提出技术（如 NADE）的模型变体，以及对和弦预测的后处理。本工作的完整源代码见 https://github.com/manoskary/chordgnn
引用
@article{arxiv.2307.03544,
title = {Roman Numeral Analysis with Graph Neural Networks: Onset-wise Predictions from Note-wise Features},
author = {Emmanouil Karystinaios and Gerhard Widmer},
journal= {arXiv preprint arXiv:2307.03544},
year = {2023}
}
备注
In Proceedings of the 24th Conference of the International Society for Music Information Retrieval (ISMIR 2023), Milan, Italy