迈向可解释与可解读的音乐难度估计：参数高效方法
声音
2024-08-02 v1 人工智能
信息检索
音频与语音处理
摘要
估计音乐作品的难度对于组织教育音乐收藏至关重要。该过程可以部分自动化以辅助教育者的工作。然而，主流深度学习模型的决策难以理解，这可能影响该技术在音乐教育课程中的接受度。我们的工作采用可解释的描述符进行符号音乐表示中的难度估计。此外，通过一种新颖的参数高效白盒模型，我们在超越先前成果的同时提供了可解读的结果。这些易于理解的结果模拟了音乐教育中广泛使用的评分量规的功能。我们的方法在按 9 个类别分类的钢琴曲目上进行了评估，独立达到了 41.4% 的准确率，均方误差（MSE）为 1.7，展示了精确的难度估计。通过我们的基线，我们说明了如何基于过去的研究构建可解释和可解读的音乐难度评估替代方案。以此为目标，我们旨在促进音乐信息检索（MIR）社区与音乐教育社区之间更有效的沟通。
引用
@article{arxiv.2408.00473,
title = {Towards Explainable and Interpretable Musical Difficulty Estimation: A Parameter-efficient Approach},
author = {Pedro Ramoneda and Vsevolod Eremenko and Alexandre D'Hooge and Emilia Parada-Cabaleiro and Xavier Serra},
journal= {arXiv preprint arXiv:2408.00473},
year = {2024}
}