基于图表示与变点检测方法的符号音乐结构分析
声音
2023-03-27 v1 人工智能
音频与语音处理
摘要
音乐结构分析是音乐信息检索(MIR)中一个开放的研究任务。过去已有若干工作尝试在音频与符号领域中对音乐进行分割，然而在不同层级上音乐结构的识别与分割仍是该领域一个开放的研究问题。本工作中我们提出三种方法，其中两种是基于图的新型算法，旨在依据形式或结构对符号音乐进行分割：Norm、G-PELT 和 G-Window。我们使用两个具有不同形式或结构的公开数据集进行了消融研究，以比较这些方法在不同参数值下以及针对不同音乐风格的表演。我们发现，用图表示编码符号音乐并计算由图得到的邻接矩阵的新颖性，能够很好地表征符号音乐作品的结构，而无需从中提取特征。我们能够通过在线无监督变点检测方法在其中一个用于测试方法的公开数据集中以1小节容差取得0.5640的 F_1 边界检测成绩。我们还提供了算法在高、中、低不同结构层级上的性能结果，以展示所提方法的参数如何依据层级进行调整。我们将各结构层级下性能最佳的方法及其参数添加至开源Python包 musicaiz，以促进本工作的可复现性与可用性。我们希望这些方法可用于改进其他MIR任务，如带结构的音乐生成、音乐分类或调性变化检测。
引用
@article{arxiv.2303.13881,
title = {Symbolic Music Structure Analysis with Graph Representations and Changepoint Detection Methods},
author = {Carlos Hernandez-Olivan and Sonia Rubio Llamas and Jose R. Beltran},
journal= {arXiv preprint arXiv:2303.13881},
year = {2023}
}