探究基于重构误差的表现性演奏生成模型评估
声音
2024-01-02 v1 音频与语音处理
摘要
表现性钢琴演奏的生成模型通常通过将其预测与参考人类演奏进行比较来评估。如果一个生成算法产生的演奏更接近人类参考演奏，则认为它优于竞争算法。然而，专家人类演奏者可以（并且确实）以不同方式诠释音乐，从而产生不同的可能参考，并且定量接近度不一定与感知相似性一致，这引发了对这种评估方法有效性的担忧。在这项工作中，我们进行了一系列实验来阐明这个问题。使用精确测量的高质量古典钢琴音乐演奏，我们进行了一项听力测试，表明听众有时可以感知到在定量评估中未被注意到的细微演奏差异。我们进一步进行了测试，表明这种评估框架在不同参考演奏和曲目中的可靠性和有效性存在很大差异。我们讨论了这些结果及其对定量评估的影响，并希望在更广泛的音乐信息检索(MIR)社区中促进对这类演奏定量评估中不确定性的批判性认识。
引用
@article{arxiv.2401.00471,
title = {Sounding Out Reconstruction Error-Based Evaluation of Generative Models of Expressive Performance},
author = {Silvan David Peter and Carlos Eduardo Cancino-Chacón and Emmanouil Karystinaios and Gerhard Widmer},
journal= {arXiv preprint arXiv:2401.00471},
year = {2024}
}