量化自动音乐转录系统中的语料偏差问题

自动音乐转录 (AMT) 是识别音乐录音中音符的任务。当前 SotA 基准主要由深度学习系统主导。由于高质量数据稀缺，这些系统通常仅或主要在古典钢琴音乐上进行训练和评估。不幸的是，这阻碍了我们理解它们对其他音乐的泛化能力。先前的研究揭示了这些系统中several方面的记忆和过拟合问题。我们确定了分布迁移的两个主要来源：音乐本身和声音本身。补充最近在声音轴（即声学、音色）上的结果，我们研究音乐轴（即音符组合、动态、曲genre）上的问题。我们评估了几个 SotA AMT 系统在两个新构建的实验测试集上的性能，这些测试集仔细设计以模拟不同的音乐分布迁移水平。我们的结果揭示了显著的性能差距，进一步阐明了语料偏差问题的严重性。