WaveBeat：时域端到端的节拍与下拍追踪
音频与语音处理
2021-10-05 v1 声音
摘要
用于节拍与下拍追踪的深度学习方法已带来进展。然而，这些方法仍依赖手工设计的下采样谱特征作为输入，限制了模型可获取的信息。本工作中，我们提出 WaveBeat，一种直接在波形上运行的联合节拍与下拍追踪端到端方法。该方法摒弃了工程化的谱特征，转而直接从波形产生节拍与下拍预测，为此任务中首例此类方法。我们的模型利用在波形上运行的时间卷积网络（TCNs），通过采用快速增长的膨胀因子与更少层数，以内存高效的方式在音频采样率下实现非常大的感受野（ 30 s）。借助简单的数据增强策略，我们的方法在某些数据集上优于以往最先进（SOTA）方法，而在其他数据集上取得相当结果，展示了时域方法的潜力。
引用
@article{arxiv.2110.01436,
title = {WaveBeat: End-to-end beat and downbeat tracking in the time domain},
author = {Christian J. Steinmetz and Joshua D. Reiss},
journal= {arXiv preprint arXiv:2110.01436},
year = {2021}
}
备注
To appear at the 151st AES Convention