利用非负塔克分解揭示音乐音频模式以进行结构分割
声音
2022-01-31 v1 机器学习
音频与语音处理
摘要
近期工作提出使用张量分解对基于循环的 electronic 音乐中的重复片段建模并分离音轨。本工作进一步研究非负塔克分解(NTD)在流行歌曲音频形式中揭示音乐模式与结构的能力。利用 NTD 倾向于将小节内容表示为少数模式的线性组合这一事实,我们阐明了该分解在相应压缩空间中捕获并分离重复动机的能力,这些可从音乐视角加以解释。所得特征也被证明对结构分割十分高效,在 RWC Pop 数据集上的实验结果 potentially 对依赖大量基于样例学习方案的最先进方法构成挑战。
引用
@article{arxiv.2104.08580,
title = {Uncovering audio patterns in music with Nonnegative Tucker Decomposition for structural segmentation},
author = {Axel Marmoret and Jérémy E. Cohen and Nancy Bertin and Frédéric Bimbot},
journal= {arXiv preprint arXiv:2104.08580},
year = {2022}
}
备注
7 pages, 6 figures; Code and experiments details available at https://gitlab.inria.fr/amarmore/musicntd/-/tree/0.1.0; Experiments details available at https://ax-le.github.io/resources/ISMIR2020/Notebooks_mainpage.html