Nov, 2016

接近音樂本質：表現主義宣言

PDF
TL;DR本文介绍了作者关于音乐信息研究（MIR）的个人主观看法。作者希望建立比目前更深入了解音乐的系统，因此提出了下一个十年 MIR 研究的一些挑战，这些挑战围绕着人们对音乐的六个基本认识展开，这些认识通常被公认，但在日常研究中经常被忽视。
music information researchsystemschallengesnext decademusic understanding
发现论文，激发创造
  • 音乐推荐系统研究的当前挑战和愿景

    对音乐推荐系统领域进行概述，指出当前主要挑战，回顾解决这些挑战的现有方法，讨论其局限性，并提出未来的方向和愿景。

    Oct, 2017

  • 有感演奏的学习：学习表达音乐表演

    本文提出了基于 LSTM 递归神经网络的直接演奏音乐生成方法，同时预测音符的表现力、时间和动态变化，取得了良好的主观效果，并得到了专业作曲家和音乐家的反馈。

    Aug, 2018

  • 音乐元本体论：音乐元数据的互操作性的灵活语义模型

    音乐元本体论介绍了一种丰富而灵活的语义模型，用于描述与艺术家、作曲、演奏、录音和链接相关的音乐元数据，并通过数据工程的最佳实践来考虑各个利益相关者的需求和角度，从而支持数据对齐、转化和检索。

    Nov, 2023

  • 用户塑造表现力演奏

    本研究提出了一种基于数据驱动框架的交互界面，利用神经网络对音乐乐谱的特定因素进行数值编码，并将表演中的表现参数建模为得分特征的函数，使用户可以探索音乐乐谱结构元素和表现参数之间的关系。

    Jun, 2019

  • 音乐生成的语义调控：词语是否足够？

    音乐生成和表达情感之间的关系对于深度学习和自然语言处理的发展具有重要意义，并且有潜力在创意产业中提供强大的工具来推动和生成新的音乐作品。

    Nov, 2023

  • 音乐元创作中的挑战

    本文简要分析了 Musical Metacreation 的演变过程，并指出了其中遇到的创新难题。最后，本文认为算法的混合可以是未来研究的有用方向。

    Aug, 2022

  • 音乐音频表示的适当对比自监督学习策略

    本文研究了不同对比自监督学习方案学习的音乐音频表示，并在不同的音乐信息检索任务中经验性地评估嵌入向量，以分析结果并讨论对不同 MIR 任务的适当对比学习策略方向，表明这些表示传达了关于音乐的听觉特征的综合信息，尽管每个自我监督策略在某些方面的信息方面有效。

    Jul, 2022

  • 基于扩散的多乐器音乐合成的性能调整

    在音乐信息检索（MIR）中，从符号音乐表示生成多仪器音乐是一项重要任务。本研究的主要贡献是提出通过将生成模型的条件设置为特定表演和录音环境，从而增强多仪器合成的控制能力，从而更好地引导音色和风格。通过基于最先进的扩散音乐生成模型，我们引入了性能条件化，这是一种简单的工具，表明生成模型可以合成具有特定表演所使用的特定乐器的音乐的风格和音色。我们的原型采用各种仪器的非编目表演进行评估，实现了最先进的 FAD 真实性评分，并允许新的音色和风格控制。我们的项目页面，包括样本和演示，可在 benadar293.github.io/midipm 上找到。

    Sep, 2023

  • MeLFusion: 使用扩散模型合成基于图像和语言线索的音乐

    音乐综合，机器学习模型，MeLFusion，视觉信息，和 IMSM 对生成的音乐质量产生显著的影响。

    Jun, 2024

  • 一种基于概念的音乐分类器的 “音乐学家友好型” 解释技术

    本研究提出了两种解释深度学习音乐数据的高级概念方法，包括有监督学习和无监督学习。对一个已有的符号作曲家分类系统进行演示并展示其局限性。

    Aug, 2022