PulseAugur
实时 11:38:08
English(EN) MeloBottleneck: Self-Supervised Melody Skeleton Extraction with a Latent Subsequence Bottleneck

MeloBottleneck框架使用自监督学习提取旋律骨架

研究人员开发了MeloBottleneck,一个用于提取旋律骨架的新型自监督框架。该方法将旋律骨架表示为受控长度、保持顺序的潜在子序列,这与先前依赖手工规则或伪标签的方法有所不同。MeloBottleneck包含一个硬瓶颈提取器、一个节奏闭合算子和一个重装饰解码器,通过重建、旋律先验和一致性目标进行训练。与基于模仿的方法相比,该框架在向分布外数据集迁移方面表现出更好的可迁移性,并提高了音乐片段检索任务中的检索性能。 AI

影响 这种用于旋律骨架提取的自监督方法可以改进音乐信息检索和分析工具。

排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

MeloBottleneck框架使用自监督学习提取旋律骨架

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Fan Bu, Rongfeng Li, Linfeng Fan ·

    MeloBottleneck: Self-Supervised Melody Skeleton Extraction with a Latent Subsequence Bottleneck

    arXiv:2607.10233v1 Announce Type: cross Abstract: Melody skeleton extraction aims to derive a shorter melody that preserves structural notes while removing ornaments. Prior methods rely on hand-crafted reduction rules or note-wise salience classifiers trained with heuristically o…