原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
OMAR-RQ：开放音乐音频表示模型
多特征遮罩标记预测训练
PabloAlonso-Jiménez,PedroRamoneda,R.OguzAraz,Andrea
Poltronieri,DmitryBogdanov
MusicTechnologyGroup,UniversitatPompeuFabra
Barcelona,Spain
{pablo.alonso,pedro.ramoneda,recepoguz.araz,andrea.poltronieri,dmitry.bogdanov}@
摘要Multi-featuremaskedtokenprediction
本开发开源基础模型对于推进音乐音频理解的研究以及001001001001001
542542542542542
161143498722
译确保访问强大的多用途音乐信息检索表示至关重要。
中我们介绍了OMAR-RQ，一个通过大规模数据集（超Encoder
Quantization
1过330,000小时的音乐音频）使用掩码标记分类方法
v
2进行自我监督训练的模型。我们在不同的输入特征和embnoiseembnoiseembprojectprojectproject
8量化选项上进行了实验，并在音乐标签、音高估计、和PatchingandmaskingFrozenrandomprojection
4
3弦识别、节拍跟踪、分割以及难度估算等领域实现了Inputfeature(optional)
0melCQTEnCodec
.最先进的性能，特别是在开放自我监督模型中。我们
7
0开源了我们的训练和评估管道及模型权重，可在https:
5Combinationofknowledge-based
2///mtg/omar-rq获取。anddata-drivenfeatures
:
v图1:OMAR-RQ架构图。
i
xCCSConcepts
r
a
•Informationsystems→Musicretrieval.得泛化能力。我们认为，访问强大的开放表示对于研
究者和从业者克服技术障碍并开发高效的音乐分析解
Keywords决方案和应用至关重要。
当前模型使用自监督学习（SSL）方法直接从大规
自监督学习，音乐表示学习
模数据中学习表示。流行的技术包括对比
文档评论（0）