研究人员评估了预训练音乐嵌入在从音频识别爵士标准曲任务中的应用，这是一个因演奏、节奏和编排的差异而具有挑战性的问题。从头开始训练的 Harmonic CNN 模型在训练演奏上表现出过拟合，而来自基础模型的预训练嵌入提供了更好的检索结果，但对演奏者身份敏感。轻量级的对比投影有助于减轻这种敏感性，表明爵士标准曲识别可以作为音乐表示模型的一个有价值的基准。 AI
影响 这项研究可能有助于改进音乐信息检索系统，特别是在爵士乐等复杂流派方面。
排序理由 学术论文发表在 arXiv 上，详细介绍了研究结果。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.00777v1 Announce Type: cross Abstract: Recognizing jazz standards from audio is a challenging form of tune-level music retrieval: different performances of the same standard may vary in tempo, key, arrangement, instrumentation, improvisational content, and even whether…
Recognizing jazz standards from audio is a challenging form of tune-level music retrieval: different performances of the same standard may vary in tempo, key, arrangement, instrumentation, improvisational content, and even whether the head melody is present. We study this problem…