基于源分离的改进联合节拍与下拍跟踪的数据增强方法

由于深度学习的进展，近年来音乐音频信号中自动节拍与下拍跟踪的性能有了很大提升。在训练此类基于深度学习的模型时，数据增强被发现是一项重要技术。然而，该任务现有的数据增强方法主要针对训练数据在节奏(tempo)上的分布平衡。本文研究另一种数据增强思路，以考虑训练数据在打击乐与非打击乐声源构成上的情况。具体而言，我们提出采用盲鼓分离模型从每条训练音频信号中分离鼓声与非鼓声，滤除无鼓的训练信号，然后利用得到的鼓声与非鼓声分轨来扩充训练数据。我们在四个完全未见的测试集上报告实验，验证了所提方法的有效性，并据此表明鼓声构成在节拍与下拍跟踪训练数据中的重要性。