AAAIDec, 2022

一种基于领域知识启发的音乐嵌入空间和新型注意力机制，用于符号音乐模型

PDF
TL;DR本文提出了基于具有偏置校正的正弦编码的基础音乐嵌入（FME）进行符号音乐嵌入的方法，在此基础上，使用相对 - 索引、音高和起始时间等嵌入提出了一种基于相对的关注机制（RIPO attention）进行符号音乐建模；实验结果表明，使用 RIPO Transformer 进行音乐生成，可以消除音乐生成中存在的 Degeneration 现象，并且生成的音乐在主观和客观评估中优于基于最新 Transformer 的音乐生成模型。
发现论文，激发创造
  • 音乐变形器

    提出了一种使用修改后的相对注意力机制来设计变形金刚神经网络的算法，用于音乐作曲、演奏和生成任务，并在 JSB Chorales 和 Piano-e-Competition 数据集上获得了最先进的结果。

    Sep, 2018

  • PiRhDy: 学习音符音乐的音高，节奏和动态感知嵌入

    提出了一种名为 PiRhDy 的新框架，该框架将音高、节奏和动态信息无缝地整合在一起，并利用音乐的旋律和和声知识训练令牌嵌入，表现出对符号音乐的显着进步，并有潜力成为各种符号音乐应用程序的预训练工具。

    Oct, 2020

  • 音乐生成的结构导向位置编码

    利用结构信息的位置编码框架改进深度学习生成音乐的一项研究，通过使用变换器模型，提出了三种不同类型的位置信息编码方法，并通过两个符号音乐生成任务对其进行全面测试，结果表明这些方法能够提升生成音乐作品的旋律和结构的一致性。

    Feb, 2024

  • 符号音乐生成和信息检索的自然语言处理方法：一项调查

    本文是一篇调查论文，研究了将自然语言处理（NLP）方法应用于符号音乐生成和信息检索的研究，提出了符号音乐的表示方法和深度学习模型，并讨论了 NLP 工具在符号音乐数据中的有效使用以及进一步研究的可能性。

    Feb, 2024

  • 基于主题的符号音乐表示学习

    通过使用 Siamese 网络架构和预训练及微调流程，本研究旨在通过表示学习来学习旋律和其变化之间的内在关系。实验证明，这两种方法相互补充，在检索任务中使精确度 - 召回率曲线下的面积提高了 12.6%。最后，我们可视化所获得的旋律表示，以直观地理解音乐作品的整体结构。据我们所知，这项工作在计算建模音乐旋律方面迈出了值得关注的一步，为未来的自动音乐创作和音乐信息检索应用奠定了基础。

    Sep, 2023

  • 基于连续情感条件的符号音乐生成

    本篇论文提出了一种新的方法用于生成多乐器符号音乐并能获得更高的情感表达，该方法利用了一个基于变换器的连续情感标签，同时，还提供了一个带有情感标签的大规模符号音乐数据集，并通过音符预测精度和情感平面的回归任务进行了数量化评估，结果表明我们的方法超越了当前技术水平。

    Mar, 2022

  • 符号音乐的字节对编码

    本文研究在深度学习任务中，如何使用符号音乐模态并采用 Byte Pair Encoding (BPE) 对音乐数据进行字符编码，以提高音乐生成和作曲家分类模型的性能和均匀度。

    Jan, 2023

  • 置换不变语言模型生成交响乐

    提出了一种置换不变的语言模型 SymphonyNet 作为符号交响乐音乐生成的解决方案，使用基于 Transformer 的自回归语言模型和具有特定 3D 位置嵌入的 MMR 表示来建模音乐序列。为解决额外长的交响乐符号建模时的长度溢出问题，引入了一种修改后的字节对编码算法（Music BPE），并提出了一种新的线性变换器解码器架构作为主干，同时通过屏蔽输入中的乐器信息来训练解码器学习自动管弦乐。同时，引入了一个用于符号交响乐的大规模数据集，实验结果表明，所提出的方法是多轨多乐器符号音乐生成的先锋解决方案。

    May, 2022

  • 主题变换器：带主题条件的符号音乐生成器

    本文提出了一种基于主题的条件控制机制，通过深度学习的对比学习和聚类技术自动提取音乐片段中的主题材料，并在序列到序列编码器 / 解码器结构中使用了一种新的门控并行注意力模块来更有效地考虑给定的感应主题材料，以生成具有重复和合理变化的多声部流行钢琴音乐。

    Nov, 2021

  • 使用自我关注实现可解释的音乐标记

    提出了一种基于自注意力机制的深度序列模型，用于解决音乐信息检索问题，并且相比于传统的卷积和递归神经网络方法，该模型更具可解释性且具有竞争力的结果。

    Jun, 2019