Sep, 2024

MMT-BERT：基于多轨音乐变换器和MusicBERT的和弦感知符号音乐生成

HTML
PDF
TL;DR本研究解决了符号多轨音乐生成中数据缺乏和弦和音阶信息的问题，并提出了一种新颖的符号音乐表示法和生成对抗网络框架。通过引入MusicLang和弦分析模型以及适应该表示法的MMT-BERT架构，本研究证明了基于MusicBERT的模型在生成音乐的一致性和人性化表现方面的有效性，与当前最先进的方法保持一致。
发现论文，激发创造
  • MidiNet：一种用于符号域音乐生成的卷积生成对抗网络

    本文提出一种基于卷积神经网络的生成式对抗网络MidiNet，用于在符号域中生成旋律，其能够通过先前的和弦序列或前几小节的旋律生成新的旋律，相比MelodyRNN模型表现更为出色。

    Mar, 2017

  • MuseGAN: 多轨序列生成对抗网络用于符号音乐生成和伴奏

    本文提出了三个基于生成对抗网络的符号化多轨音乐生成模型，并通过客观和主观的评估方法证明了这些模型的有效性。此外，该文还介绍了一些评估生成结果的标准，并通过与人类协作音乐生成的实验进行探讨。

    Sep, 2017

  • 带二值神经元的卷积生成对抗网络用于多声部音乐生成

    本文提出了一种将生成对抗网络与二进制神经元相结合的模型来直接生成二进制钢琴卷帘。实验结果表明，使用确定性二进制神经元相比于随机二进制神经元，可以得到更好的客观测量结果。

    Apr, 2018

  • 符号音乐风格转换与CycleGAN

    本文介绍了使用生成模型（如变分自编码器和生成对抗网络）将基于样式和域的转换技术应用于图像和音乐，并利用具有附加鉴别器的GAN模型成功实现了音乐流派转换。该文是GANs首次应用于音乐域转换的研究。

    Sep, 2018

  • 深度神经网络明确结构编码对符号音乐生成的影响

    本研究探讨了在给定和弦进行约束下解决旋律生成问题的方法，并比较了LSTM（一种RNN）和WaveNet（扩张时间-CNN）两种序列生成模型，结果显示使用扩张卷积层更显式地编码结构可以显著提高性能，而将基础和弦进行全局编码则更有提升效果。

    Nov, 2018

  • 从舞蹈视频生成复杂音乐的量化生成对抗网络

    D2M-GAN是一个基于多模态对抗网络的音乐生成框架，能够根据舞蹈视频生成对应的流行音乐等复杂风格，使用向量量化的音频表示，通过对多个数据集的评估，证明了此方法的有效性，并提供了一个使用TikTok视频的数据集用于未来相关研究的起点。

    Apr, 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

  • 基于图的多音轨音乐生成

    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

  • 情绪控制下的快速扩散生成对抗网络模型用于符号音乐生成

    我们提出了将扩散模型与生成对抗网络相结合的方法，旨在解决算法音乐生成中的情感控制和计算成本的问题。通过训练变分自编码器得到情感标签的符号音乐数据集的嵌入，并用其来训练扩散模型，我们成功地控制了扩散模型以生成具有特定情感的符号音乐，同时大幅提升了计算效率。

    Oct, 2023

  • 对抗式-MidiBERT：基于无偏预训练和屏蔽微调的符号音乐理解模型

    我们提出了基于Bidirectional Encoder Representations from Transformers的Adversarial-MidiBERT符号音乐理解模型，通过对抗学习来减小导致偏见的令牌的参与度，以解决先验训练模型中的偏见问题，并提出了掩码微调方法来缩小先验训练和微调之间的数据差距，从而实现更快的收敛和更好的性能。

    Jul, 2024