乐谱 Transformer：超越单声部转录的端到端光学乐谱识别

迄今为止，最先进的端到端光学乐谱识别（OMR）主要采用单声部转录技术来处理复杂的乐谱布局（如复调音乐），这通常需要通过简化或特定适配来实现。尽管这些方法行之有效，但它们也带来了可扩展性挑战和局限性。本文提出了 Sheet Music Transformer，这是首个旨在不单纯依赖单声部策略即可转录复杂乐谱的端到端 OMR 模型。我们的模型采用基于 Transformer 的图像到序列框架，能够从输入图像预测标准数字音乐编码格式的乐谱转录结果。该模型已在两个复调音乐数据集上进行了测试，证明能够有效处理这些复杂的音乐结构。实验结果不仅表明了该模型的能力，还显示其优于最先进的方法，从而推动了端到端 OMR 转录的发展。