学习乐器声音的多维解缠表示以评估音乐相似性-计算机科学-机器学习-音乐相似性-推荐和检索系统.pdfVIP

学习乐器声音的多维解缠表示以评估音乐相似性

桥住由加李莉宫下敦

远藤洋树

名古屋大学，日本

海士住悠香hashizume.yuuka@g.sp.m.is.nagoya-u.ac.jp,

李李@研.博.工.数.名古屋大.日本学术研究基金会.

miyashita.atsushi@g.sp.m.is.nagoya-u.ac.jp,

tomoki@icts.nagoya-u.ac.jp

ABSTRACT使用这种方法时，设计合适的相似度标准以计算音乐

相似性至关重要。随着深度学习的出现，数据驱动特

为了实现一个灵活的推荐和检索系统，通过关注音乐

征提取已被证明能够有效提高MIR系统的表现[3,4].

作品的多个部分元素来计算音乐相似性，并允许用户

本例如，已经提出了通过使用标签和标注进行度量学习

选择他们想要关注的元素，是很有益的。一项先前的

译研究提出了使用多个单独的网络基于每种乐器的声音来学习特征表示的方法[5–7].这些方法通过对整个音

乐作品进行评估来计算音乐相似性，这是一种单一标

中来计算音乐相似性的方法，但在搜索系统中将每个信

准下的各种声音的混合。然而，音乐是一种复杂的结

1号作为查询项使用是不切实际的。另外，使用分离的

v构，包含许多重要的元素，而用户在听音乐时关注的

2乐器声音导致了由于人工产物而导致的准确性降低。

8在本文中，我们提出了一种通过单一网络来计算以每重点因人而异。为了实现更灵活的MIR系统，希望可

6以通过专注于多个部分音乐元素并允许用户选择他们

6种乐器声音为焦点的相似性方法，该网络采用混合声

0.音作为输入而非单独的乐器声音。具体来说，我们设想要重点关注的部分来计算音乐相似性。

4计了一个具有解缠维度的单个相似度嵌入空间，这些之前的研究[8,9]提出了一个专注于音乐作品中

0

4维度由条件相似度网络提取，并通过使用掩码的三元个别乐器声音的音乐相似性计算方法，在这种方法中，

2组损失进行训练。实验结果表明（1）所提出的方法可网络是通过单一乐器信号为每个乐器训练出来的。该

:

v以获得比使用分离的声音作为输入的独立网络更准确方法的一个限制是在不仅训练过程中需要个别乐器的

i

x的特征表示，（2）每个子嵌入空间可以保留相应乐器声音，而且在推理阶段也需要这些声音，而在实际操

r

a的特点，以及（3）通过所提出方法针对每种乐器声音作中获取个别乐器的声音非常困难。为了解决这一问

选择相似音乐作品能够获得人类的认可，特别是在打题，研究了使用从混合声音中分离出的乐器声音的方

击乐和吉他方面。法。然而，由于分离出的声音往往存在伪影，因此其