本文介绍了 Predicting Media Memorability 任务，它是 MediaEval 2018 多媒体评估基准倡议的一部分。参与者需要设计系统来自动预测视频的记忆得分，该得分反映了视频被记住的概率。与以前的图像记忆预测工作不同的是，该数据集带有短期和长期记忆注释。文章描述了任务的所有特征，包括任务的挑战和突破，发布的数据集和基准，所需的参与者运行和评估度量。

Jul, 2018

本文总结了 MediaEval 评估活动中的媒体记忆度预测任务，包括该任务使用的多个数据集和技术，以及从中得出的结论和对研究社区的启示。

Dec, 2022

该研究开发了一个视频可记忆性预测模型，并进行了视频子镜头可记忆性预测实验，结果表明该方法比现有的可记忆性方法更有效。

Jul, 2017

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

本文研究了计算机视觉中图像记忆度的量化和预测问题，提出了机器记忆度和复杂度的概念，并分析了机器和人类在图像记忆方面的不同表现和机器记忆的影响因素。

Nov, 2022

调查了在 few-shot 设置中对文本到音乐扩散模型进行个性化的工作。首次探索了将预训练的文本到音频扩散器与两种常用的个性化方法结合的组合。实验了音频特定数据增强对系统整体性能的影响，并评估了不同的训练策略。构建了一个包含提示和音乐片段的新数据集进行评估，使用基于嵌入和基于音乐的量化评估指标，以及用户研究进行定性评估。分析表明相似度度量与用户偏好一致，并且当前的个性化方法更容易学习到节奏音乐结构而非旋律。该研究的代码、数据集和示例资料对研究社区开放。

Sep, 2023

在音乐流媒体平台时代，自动标记音乐音频的任务引起了广泛关注，驱使研究人员设计旨在提高标准数据集上性能指标的方法。本研究探讨了可解释性在自动音乐标记领域的相关性，构建了一个包含三种不同信息提取技术的工作流程，并使用这些特征训练了一个可解释的机器学习模型进行标签预测。通过在 MTG-Jamendo 数据集和 GTZAN 数据集上进行实验，我们的方法在两个任务中均超过了基线模型的性能，并在某些情况下展现出与当前最先进方法的竞争力。我们得出结论，在某些情况下，解释性的价值超过了性能的下降。

Dec, 2023

本文研究了音乐流行度的定义、特征及其是否可预测，定义了 8 个流行度度量，通过长期真实世界图表数据进行分析并使用声学数据建立分类模型进行预测。结果表明，使用音频信号，尤其是复杂度和 MFCC 特征，可以明显提高歌曲流行度度量的预测性能。

Dec, 2018

通过基于预测编码的神经网络模型研究人类音乐感知，模型经过大量 Classic 音乐和流行旋律训练后，发现预测误差依赖于音符，音高间隔和时间上下文等信息，提示可用预测编码神经网络来表征影响音乐感知的特征和主题。

Oct, 2022

深度学习模型在音乐方面取得了巨大的进展，但现如今机器学习模型在准确捕捉情感方面有多好以及研究人员面临哪些挑战呢？本文提供了可用的音乐情感数据集的综合概述，讨论了评估标准以及该领域中的竞赛，并简要概述了多种音乐情感预测模型，为该领域内的多样化方法提供了见解。通过这个研究，我们强调了在准确捕捉音乐情感方面存在的挑战。鉴于该领域的动态性，我们还未我们的发现补充了一个相应的 GitHub 仓库。该仓库包含了音乐情感数据集和最近的预测模型的全面列表。

Jun, 2024