IJCAIMay, 2024

感知启发的图卷积在音乐理解任务中的应用

TL;DR我们提出了一种新的图卷积块,称为 MusGConv,专门为高效处理音乐乐谱数据而设计,并根据一般感知原理进行了激发。它关注音乐的两个基本维度,音高和节奏,并考虑了这些组成部分的相对和绝对表示。我们在四个不同的音乐理解问题上评估了我们的方法:单声部分离、和声分析、乐句检测和作曲家识别,这在抽象术语中转化为不同的图学习问题,即节点分类、链接预测和图分类。我们的实验证明了 MusGConv 在以上三个任务上改善了性能,同时概念上非常简单和高效。我们解释这一结果是证据表明,在开发音乐乐谱数据的图网络应用时,包括基本音乐概念的感知驱动处理是有益的。