面向Lakh与IMSLP数据集的链接
音频与语音处理
2020-04-23 v1 多媒体
声音
图像与视频处理
摘要
本文研究将MIDI文件与大规模钢琴乐谱图像数据库进行匹配的问题。以往的乐谱-音频与乐谱-MIDI对齐方法主要关注一对一对齐任务，这对于大规模数据库检索而言并非可扩展方案。我们提出了一种可扩展的跨模态检索方法，或可用于将Lakh MIDI数据集与IMSLP乐谱数据相链接。我们的方法是对先前提出的称为符号bootleg乐谱的特征表示进行修改，使其适用于哈希。在一个包含5,000份钢琴谱、共计55,000张独立乐谱图像的数据库上，我们的系统取得了0.84的平均倒数排名和25.4秒的平均检索时间。
引用
@article{arxiv.2004.10391,
title = {Towards Linking the Lakh and IMSLP Datasets},
author = {TJ Tsai},
journal= {arXiv preprint arXiv:2004.10391},
year = {2020}
}
备注
5 pages, 4 figures, 1 table. Accepted paper at the International Conference on Acoustics, Speech, and Signal Processing (ICASSP) 2020