本文介绍了一种新型的终端到终端光学乐谱识别模型 Sheet Music Transformer++，通过基于合成数据生成的广泛课程学习预训练，无需先前的布局分析步骤即能转录全页多声部乐谱，实验证实该模型能够成功转录全页的钢琴谱，标志着终端到终端光学乐谱识别取得了显著的里程碑。

May, 2024

本研究提出了 Sheet Music Transformer 模型，这是首个能够在处理复杂音乐乐谱时不仅依赖于单音技术的端到端光学乐谱识别模型。模型基于 Transformer 的图像到序列框架，能够从输入图像中预测出标准的数字音乐编码格式的乐谱转录。实验结果表明，该模型不仅表现出了高度的能力，而且也优于目前最先进的方法，从而为端到端光学乐谱识别的进步做出了贡献。

Feb, 2024

该研究提出了一种基于 Transformer 的方法，名为 TrOMR，具有优秀的全局感知能力，用于端到端的复调 OMR。通过引入一种新颖的一致性损失函数和合理的数据注释方法来提高对复杂乐谱的识别精度，并在大量实验证明 TrOMR 在真实场景中优于当前 OMR 方法。同时，研究开发了一个 TrOMR 系统，并构建了一个用于真实世界中的全页乐谱的相机场景数据集。提供了代码和数据集以便于重现。

Aug, 2023

该论文提出了音乐树符号（Music Tree Notation，MTN）格式，作为一种共同的音乐表示语言，用于解决音乐识别系统评估指标不一致的问题，并通过特定的 OMR 评估指标和排版乐谱数据集提供了此想法的验证。

Dec, 2023

本文展示了使用通用 encoder-decoder Transformer 和标准解码方法可实现与专业领域特定设计模型同等效果的自动音乐转录方法，从而取消了任务特定架构的需求，简化了转录，为集中精力于数据集创建和标注而非模型设计提供了可能性。

Jul, 2021

通过研究训练数据的角度，本文通过在 MAESTRO 数据集的原始和重新执行版本上使用各种数据增强技术，获得了 MAPS 数据集的最新音符起始准确性，而无需查看其他的训练数据。

Feb, 2024

该研究使用 MAESTRO 数据集中的音符事件作为中间表示，训练了一系列的神经网络模型，用于转录、合成和生成具备连贯乐曲结构的音频波形，从而实现了跨六个数量级（0.1ms 到 100s）的音频合成。

Oct, 2018

本文介绍了一种通过神经网络匹配短音频片段与乐谱中对应像素位置的方法。实验结果表明，使用深度学习技术处理音乐乐谱具有可行性且是一个有前途的研究方向。

Dec, 2016

基于序列到序列模型的钢琴音频转谱任务中使用层次解码器，结合多任务学习实现对小节和音符级别音符信息的转录，同时通过预处理方法保留谱表结构以重构声部；通过两阶段训练方案，首先在合成音频上进行预训练，然后在人类演奏录音上进行微调从而弥补合成数据与人类演奏录音之间的差距。实验结果表明，该方法在合成音频数据与当前最先进技术相比的转录性能以及对人类演奏录音的首次实验方面具有良好效果。

May, 2024

本文介绍了一个新的大规模音乐数据集 MusicNet，旨在为音乐研究的机器学习方法提供监督和评估，该数据集由 10 位作曲家创作的 11 种乐器的数百个自由许可的古典音乐录音以及关于它们的时间标签组成，其中包含的多标签分类任务以及多项基于机器学习结构的性能评估表明了末端到末端的神经网络在音符预测方面的学习效果最佳。

Nov, 2016