基于弱标记音频片段的监督对比学习用于音乐版本匹配
声音
2025-05-19 v3 人工智能
机器学习
音频与语音处理
机器学习
摘要
检测音乐版本（同一作品的不同演绎）是一项具有挑战性的任务，具有重要的应用价值。由于真实标签的性质，现有方法在曲目级别（例如，整首歌曲）匹配音乐版本。然而，大多数应用要求在片段级别（例如，20秒的块）进行匹配。此外，现有方法采用分类损失和三元组损失，忽略了可能带来显著改进的更近期的损失函数。在本文中，我们提出了一种从弱标注片段中学习的方法，以及一种优于研究充分的替代方案的对比损失变体。前者基于成对片段距离缩减，而后者根据解耦、超参数和几何考量修改了现有的损失函数。凭借这两个要素，我们不仅在标准的曲目级别评估中取得了 SOTA 结果，还在片段级别评估中取得了突破性性能。我们相信，由于本文所解决挑战的通用性，所提出的方法可能在音频或音乐版本匹配之外的领域中得到应用。
引用
@article{arxiv.2502.16936,
title = {Supervised contrastive learning from weakly-labeled audio segments for musical version matching},
author = {Joan Serrà and R. Oguz Araz and Dmitry Bogdanov and Yuki Mitsufuji},
journal= {arXiv preprint arXiv:2502.16936},
year = {2025}
}
备注
17 pages, 6 figures, 8 tables (includes Appendix); accepted at ICML25