本文提出了一种基于 VAE 的音乐分离模型，用于将和弦和纹理这两个可解释的因子分离出来，从而实现音乐生成过程的可控，在生成音乐时具有广泛的应用，包括作曲风格转换、纹理变化和伴奏编排，并通过客观和主观评价证明了该方法的成功分离和高质量的音乐生成。

Aug, 2020

本文介绍了一种新的变分自编码器模型 MusicVAE，利用层次化解码器结构用于序列数据建模，解决了长程序列结构状态建模的问题，并实现了更好的采样、插值和重构表现。

Mar, 2018

我们评估了在 371 首巴赫合唱曲中对音乐认知的音乐语料库进行训练的变分自编码器（Variational Autoencoders）对于代表五度音程和音乐认知中的每个关键组件音高的等级关系定义潜在空间的程度，结果表明，音高离散傅里叶变换（Pitch DFT）的潜空间最好地与认知空间对齐，并提供一个包含模糊聚类的共同音空间，在其中，关键字内重叠的对象强加了一种良好定义的结构重要性或稳定性的顺序 - 即音程层次结构。不同关键的音调层次结构可以用来测量关键的距离及其音符和和弦在多个层次（例如，笔记和和弦）上的关系。

Nov, 2023

该论文在音乐生成的深度学习系统中引入了一种新颖的图表示方法和深度变分自编码器，将音乐的结构和内容分开生成，实现了更具层次结构的人机交互音乐创作方式。

Jul, 2023

我们提出了 Multi-view MidiVAE 作为 VAE 方法中有效建模和生成长多轨符号音乐的先驱之一，它利用二维表示 OctupleMIDI 来捕捉音符之间的关系，并减少特征序列的长度。通过采用混合变分编码 - 解码策略将 Track - 和 Bar-view MidiVAE 特征相结合，我们关注乐器特性、和声以及音乐作品的全局和局部信息。对 CocoChorales 数据集进行的客观和主观实验结果表明，与基线相比，Multi-view MidiVAE 在建模长多轨符号音乐方面显示出显著的改进。

Jan, 2024

本论文介绍了 MIDI-VAE，一种基于变分自编码器的神经网络模型，能够处理带有多个乐器轨道的复调音乐，并通过结合音符持续时间和速度来建模音乐动态。我们展示了 MIDI-VAE 可以执行符号音乐的样式转换，通过自动更改音高、动态和乐器，将一个音乐作品从古典风格转换为爵士风格。我们通过训练单独的样式验证分类器来评估样式转换的有效性。我们的模型还可以在短音乐片段间插值、产生混音和创建整首歌曲的混合物。插值平滑地改变音高、动态和乐器，以在两个音乐片段之间创建和谐的桥梁。据我们所知，这项工作代表了将神经风格迁移成功应用于完整音乐作品的第一次尝试。

Sep, 2018

本文利用 Poincaré 球模型的超几何结构作为潜变量空间，研究了 VAE 在这个空间的运用，该方法在嵌套数据结构下表现出色，并展现了超几何结构对于 VAE 的优越性。

Jan, 2019

提出了一种新的生成分层聚类模型 ——Tree Variational Autoencoder（TreeVAE），它能够分层地划分样本并发现数据中潜在结构，并利用树形结构中的叶子节点解码器提高了生成性能。TreeVAE 在不同的数据集上表现出了较高的对数似然下界，并且通过条件采样能够从聚类中生成新的样本。

Jun, 2023

本文提出了一种基于 PVAE 的多模态生成模型，可将共享因素和模态相关因素编码为不同的潜变量，用于生成符合不同语义和风格要求的条件数据，并利用发现的语义单元在两个音频 / 图像数据集上完成了定量和定性的评估。

May, 2018

本文提出了一种层次非参数变分自编码器模型，以结合树状结构的贝叶斯非参数先验和变分自编码器来实现无限灵活性的潜在表征空间，进而在视频表征学习上取得更好的效果。

Mar, 2017