Modelo
Beat This!: Rastreamento de batida sem finalização DBN
Recuperação de informações musicais/interpretação de papel
Recuperação de informações musicais/interpretação de papel
RECUPERAÇÃO DE INFORMAÇÃO MUSICAL / NOTA TÉCNICA
O rastreamento de batidas pergunta quando ocorre o pulso. A transcrição de notas pergunta qual instrumento tocou qual altura. O Beat This! resolve o primeiro problema e incorpora ao modelo sequencial aprendido boa parte da estrutura antes delegada ao pós-processamento bayesiano dinâmico.
As marcações humanas de batida não coincidem com precisão de amostra. Com impulsos-alvo y_t e probabilidades por quadro p_t, a BCE comum calculada quadro a quadro pune uma previsão musicalmente válida deslocada apenas alguns quadros. Uma forma compacta de representar o objetivo tolerante a deslocamento é:
L_shift = min_{δ∈[-k,k]} BCE(p_t, y_{t+δ})
A tolerância pertence ao treinamento, não a uma operação posterior de ajuste à grade. As cabeças de batida e de primeiro tempo compartilham a representação sequencial, mas os primeiros tempos, mais raros, ainda precisam de um caminho próprio de decisão.
Os sistemas clássicos usam uma DBN para impor continuidade de andamento e transições de compasso. O Beat This! mostra que o modelo principal pode produzir sequências estáveis de batidas e primeiros tempos sem essa etapa ajustada ao conjunto de dados. Eventos de batida em segundos, primeiros tempos e BPM derivado dos intervalos continuam sendo três saídas distintas.
O arquivo oficial final0.ckpt é fixado por SHA-256, e as tarefas são executadas sem acesso à rede. Como os modelos finais viram vários conjuntos públicos de batidas durante o treinamento, as pontuações nesses conjuntos podem ser otimistas. Por isso, a aceitação inclui uma música real completa e exporta a tabela bruta de tempos para grades de DAW, recortes e quantização MIDI posterior.
Tradicionalmente, o rastreamento de batidas prevê ativações com uma rede neural e deixa uma rede bayesiana dinâmica escolher a sequência. O Beat This usa modelagem sequencial mais forte e supervisão tolerante a deslocamento para produzir diretamente batidas e primeiros tempos estáveis, retirando a DBN do caminho padrão.
Remover o pós-processamento não elimina os conhecimentos musicais prévios. Compasso, faixa de andamento e estilo de anotação continuam presentes nos dados. Os resultados do ISMIR devem ser lidos por conjunto de dados e métrica; rubato, trechos sem bateria e compassos compostos continuam sendo casos raros e difíceis.
L_shift=min_{|δ|≤Δ} BCE(ŷ_t,y_{t+δ})δpequeno deslocamento de quadro permitidoΔjanela de tolerância da anotaçãoBCEentropia cruzada binária sobre as ativaçõesAs marcações humanas de batida podem diferir por alguns quadros. A supervisão tolerante a deslocamento procura dentro de uma pequena janela de alinhamento, reduzindo as penalidades por oscilação das anotações sem permitir um desvio arbitrário no nível da música inteira.
Batidas, primeiros tempos, BPM e notas MIDI são saídas diferentes. Sobreponha as previsões à forma de onda e à grade de compassos para inspecionar andamento pela metade ou em dobro, anacruses e trechos sem bateria.
O artigo, o código e os pesos podem ser consultados em código e pesos do Beat This / artigo do ISMIR 2024.
Cada linha preserva a arquitetura, a métrica ou a definição da tarefa de sua fonte; resultados sem um protocolo comum permanecem separados.
| Modelo | Arquitetura ou evidência | Escopo |
|---|---|---|
| Beat This sem DBN | batidas e primeiros tempos de ponta a ponta | caminho padrão e estabilidade em longos intervalos |
| Beat This com pós-processamento opcional | restrições especiais de andamento | registre os parâmetros para evitar mudanças ocultas |
| ativação mais DBN | conhecimento prévio explícito de andamento/transição | robusto, mas pode se fixar no andamento errado |
Sobreponha as previsões à forma de onda e à grade de compassos para inspecionar andamento pela metade ou em dobro, anacruses, mudanças de andamento e trechos sem bateria. A medida F média pode esconder uma música inteira deslocada em uma batida.
A perda tolerante a deslocamento produz gradientes coerentes perto do limite de uma anotação; ela não permite desvio arbitrário dos carimbos de tempo.
Os tempos das batidas não formam uma partitura completa. Segmentação, groove, proporção de swing e mudanças de compasso exigem análise de nível mais alto.
Os conjuntos de dados usam janelas, regras de continuidade e pesos de primeiros tempos diferentes, portanto os rankings precisam preservar o nome do protocolo.
Os nomes dos modelos, os números e as limitações têm origem nos artigos, repositórios ou cartões de modelo abaixo.