实体
optical music recognition
optical music recognition
PulseAugur coverage of optical music recognition — every cluster mentioning optical music recognition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
新方法实现乐谱图像的基于内容的搜索
研究人员开发了新的乐谱内容检索方法，超越了传统的元数据搜索。该研究探讨了与搜索相关的特征，并提出了构建查询数据集的系统方法。实验将基于转录的光学音乐识别（OMR）与无转录的Transformer和大型语言模型进行了比较，发现OMR在特定领域表现出色，而无转录模型能更好地处理可变性。
-
新数据集助力AI识别历史乐谱
研究人员推出了 MusiCorpus 数据集，该数据集包含 1,309 页历史和手写乐谱。该数据集旨在通过提供用于训练和评估机器学习系统的大规模、真实样本来推进光学音乐识别 (OMR)。它包含 MusicXML 转录和符号注释，填补了 OMR 可用训练数据的关键空白。
-
新数据集助力AI识别历史乐谱
研究人员推出了 MusiCorpus 数据集，这是一个包含 1300 多页历史和手写乐谱的新集合。该数据集旨在通过提供大规模、真实的深度学习模型训练集来推进光学音乐识别 (OMR)。它包括 MusicXML 转录和符号注释，旨在使数字化的音乐遗产可被机器读取。
-
Transcoda系统实现零样本光学音乐识别
研究人员开发了Transcoda，一种用于光学音乐识别（OMR）的新型系统，可以将乐谱转录为文本格式。该系统通过采用先进的合成数据生成管道和基于语法的解码方法，解决了带注释数据集稀缺的问题。Transcoda拥有紧凑的5900万参数模型，实现了最先进的性能，超越了更大的模型，并显著降低了历史音乐扫描的错误率。