基于集成时间预测误差的无监督符号音乐分割
声音
2022-07-05 v1 人工智能
机器学习
音频与语音处理
摘要
符号音乐分割是将符号旋律划分为更小有意义组（如旋律乐句）的过程。我们提出了一种无监督的符号音乐分割方法。所提模型基于集成的时间预测误差模型。训练期间，每个模型预测下一个符号以识别乐句变化。而在测试时，我们执行峰值检测算法来选择分割候选。最后，我们聚合集成中每个参与模型的预测以预测最终分割。结果表明，在考虑 F-Score 和 R-value 的无监督设定下，所提方法在 Essen Folksong 数据集上达到了最先进性能。我们额外提供了消融研究以更好地评估各模型组件对最终结果的贡献。正如预期，所提方法劣于有监督设定，这为未来研究考虑缩小无监督与有监督方法间的差距留下了改进空间。
引用
@article{arxiv.2207.00760,
title = {Unsupervised Symbolic Music Segmentation using Ensemble Temporal Prediction Errors},
author = {Shahaf Bassan and Yossi Adi and Jeffrey S. Rosenschein},
journal= {arXiv preprint arXiv:2207.00760},
year = {2022}
}