TheGlueNote：用于稳健和灵活音符对齐的学习表示
声音
2024-08-09 v1 机器学习
音频与语音处理
摘要
音符对齐指的是匹配两个相同符号编码版本中单个音符的任务。常用的解决方法依赖于如隐藏马尔可夫模型或动态时间规整 (DTW) 等序列对齐算法直接应用于音符或 onset 序列。虽然在许多情况下效果良好，但这些方法在版本之间存在较大不匹配时会感到困难。本文从数据中学习音符级表示，数据经充电数据增强处理，包括各种复杂的不匹配情况，如重复、跳过、块插入和长 trill。本方法的核心是 transformer 编码器网络 - TheGlueNote - 用于预测两个 512 音符子序列之间的成对音符相似性。我们对预测的相似性使用加权 DTW 和音高分离的 onset DTW 等变体进行后处理，以检索两个任意长度序列的音符匹配。我们的方法在音符对齐准确率上与最新方法持平，能够更好地抵御版本不匹配，直观地适用于任意两个 MIDI 文件。
关键词
引用
@article{arxiv.2408.04309,
title = {TheGlueNote: Learned Representations for Robust and Flexible Note Alignment},
author = {Silvan David Peter and Gerhard Widmer},
journal= {arXiv preprint arXiv:2408.04309},
year = {2024}
}
备注
to be published in Proceedings of the 25th International Society for Music Information Retrieval Conference (ISMIR), 2024