用于学习嵌入空间的符号音乐的信号域表示
机器学习
2021-09-09 v1 声音
音频与语音处理
摘要
机器学习模型的一个关键方面在于其学习高效中间特征的能力。然而，输入表示在此过程中起着至关重要的作用，而复调乐谱仍然是一类特别复杂的信息。在本文中，我们引入了一种新颖的符号音乐数据表示，它将复调乐谱转换为连续信号。我们从音乐的角度评估了从该表示中学习有意义特征的能力。为此，我们提出了一种依赖于合成数据原则性生成的评估方法。最后，为了测试我们提出的表示，我们针对近期的复调符号表示进行了广泛的基准比较。我们表明，我们的类信号表示带来了更好的重构和解耦特征。根据音乐理论特性，这种改进反映在所学习空间的度量性质与生成能力中。
引用
@article{arxiv.2109.03454,
title = {Signal-domain representation of symbolic music for learning embedding spaces},
author = {Mathieu Prang and Philippe Esling},
journal= {arXiv preprint arXiv:2109.03454},
year = {2021}
}