TrOMR：基于Transformer的多声部光学乐谱识别
计算与语言
2023-08-21 v1 声音
音频与语音处理
摘要
光学乐谱识别（OMR）是音乐领域的一项重要技术，长期以来被广泛研究。以往的OMR方法通常基于CNN进行图像理解、基于RNN进行音乐符号分类。本文提出一种具有优异全局感知能力的基于Transformer的端到端多声部OMR方法，称为TrOMR。我们还引入了一种新颖的一致性损失函数以及一种合理的数据标注方法，以提升复杂乐谱的识别准确率。大量实验表明，TrOMR优于现有OMR方法，尤其在真实场景中以。我们还开发了TrOMR系统，并构建了真实场景中整页乐谱的相机场景数据集。代码与数据集将公开以保证可复现性。
引用
@article{arxiv.2308.09370,
title = {TrOMR:Transformer-Based Polyphonic Optical Music Recognition},
author = {Yixuan Li and Huaping Liu and Qiang Jin and Miaomiao Cai and Peng Li},
journal= {arXiv preprint arXiv:2308.09370},
year = {2023}
}