โมเดล
เอาชนะสิ่งนี้!: เอาชนะการติดตามโดยไม่สิ้นสุด DBN
การดึงข้อมูลเพลง / การตีความกระดาษ
การดึงข้อมูลเพลง / การตีความกระดาษ
© 2026 TelkNet สงวนลิขสิทธิ์.
การค้นคืนสารสนเทศดนตรี / บันทึกทางเทคนิค
การติดตามบีตถามว่าจังหวะชีพจรเกิดขึ้นเมื่อใด การถอดโน้ตถามว่าเครื่องดนตรีใดเล่นระดับเสียงใด Beat This! แก้ปัญหาแรก และนำโครงสร้างส่วนใหญ่ที่เคยมอบให้การประมวลผลภายหลังแบบเบย์เชิงพลวัตมารวมไว้ในโมเดลลำดับที่เรียนรู้ได้
คำกำกับบีตโดยมนุษย์ไม่ตรงกันในระดับความละเอียดของตัวอย่าง เมื่อมีอิมพัลส์เป้าหมาย y_t และความน่าจะเป็นรายเฟรม p_t ค่า BCE รายเฟรมแบบปกติจะลงโทษการทำนายที่ถูกต้องในทางดนตรีเพียงเพราะเลื่อนไปไม่กี่เฟรม มุมมองแบบย่อของเป้าหมายที่ทนต่อการเลื่อนคือ:
L_shift = min_{δ∈[-k,k]} BCE(p_t, y_{t+δ})
ค่าความคลาดเคลื่อนนี้เป็นส่วนหนึ่งของการฝึก ไม่ใช่การดูดผลลัพธ์เข้าหากริดภายหลัง หัวทำนายบีตและดาวน์บีตใช้การแทนลำดับร่วมกัน แต่ดาวน์บีตที่พบน้อยกว่ายังต้องมีเส้นทางตัดสินใจของตนเอง
ระบบดั้งเดิมใช้ DBN เพื่อบังคับความต่อเนื่องของความเร็วและการเปลี่ยนห้องเพลง Beat This! แสดงว่าโมเดลหลักสามารถสร้างลำดับบีตและดาวน์บีตที่เสถียรได้โดยไม่ต้องใช้ขั้นตอนที่ปรับตามชุดข้อมูลนั้น เหตุการณ์บีตในหน่วยวินาที ดาวน์บีต และ BPM ที่คำนวณจากช่วงห่างยังคงเป็นเอาต์พุตคนละประเภท
ไฟล์ทางการ final0.ckpt ถูกตรึงด้วย SHA-256 และงานทำงานแบบออฟไลน์ เนื่องจากโมเดลสุดท้ายเคยเห็นชุดข้อมูลบีตสาธารณะหลายชุดระหว่างการฝึก คะแนนบนชุดเหล่านั้นจึงอาจสูงเกินจริง การยอมรับผลจึงรวมเพลงเต็มจริงหนึ่งเพลง และส่งออกตารางเวลาดิบสำหรับกริด DAW การตัดแบ่ง และการควอนไทซ์ MIDI ในขั้นถัดไป
โดยทั่วไป การติดตามบีตจะทำนายการกระตุ้นด้วยโครงข่ายประสาท แล้วให้โครงข่ายเบย์เชิงพลวัตเลือกลำดับ Beat This ใช้การจำลองลำดับที่แข็งแรงขึ้นและการกำกับดูแลที่ทนต่อการเลื่อนเพื่อสร้างบีตและดาวน์บีตที่เสถียรโดยตรง ทำให้ DBN ออกจากเส้นทางเริ่มต้น
การตัดการประมวลผลภายหลังไม่ได้ลบความรู้ตั้งต้นทางดนตรี ห้องเพลง ช่วงความเร็ว และรูปแบบคำกำกับยังคงอยู่ในข้อมูล ผลลัพธ์ ISMIR ต้องอ่านแยกตามชุดข้อมูลและตัวชี้วัด ส่วน rubato ช่วงที่ไม่มีกลอง และอัตราจังหวะแบบผสมยังเป็นกรณีหางยาว
L_shift=min_{|δ|≤Δ} BCE(ŷ_t,y_{t+δ})δการเลื่อนเฟรมเล็กน้อยที่อนุญาตΔหน้าต่างความคลาดเคลื่อนของคำกำกับBCEไบนารีครอสเอนโทรปีบนค่าการกระตุ้นคำกำกับบีตโดยมนุษย์อาจต่างกันไม่กี่เฟรม การกำกับดูแลที่ทนต่อการเลื่อนค้นหาภายในหน้าต่างจัดแนวขนาดเล็ก ลดบทลงโทษจากความสั่นของคำกำกับโดยไม่ยอมให้ทั้งเพลงเลื่อนอย่างไร้ขอบเขต
บีต ดาวน์บีต BPM และโน้ต MIDI เป็นเอาต์พุตคนละประเภท ซ้อนผลทำนายบนรูปคลื่นและกริดห้องเพลงเพื่อตรวจความเร็วครึ่งเท่าหรือสองเท่า จังหวะนำ และช่วงที่ไม่มีกลอง
ติดตามบทความ โค้ด และน้ำหนักได้จากโค้ดและน้ำหนัก Beat This / บทความ ISMIR 2024
แต่ละแถวยังคงสถาปัตยกรรม ตัวชี้วัด หรือนิยามงานตามแหล่งที่มาของตน ผลลัพธ์ที่ไม่มีโพรโทคอลร่วมกันจะยังคงแยกจากกัน
| โมเดล | สถาปัตยกรรมหรือหลักฐาน | ขอบเขต |
|---|---|---|
| Beat This ที่ไม่มี DBN | บีตและดาวน์บีตแบบต้นทางถึงปลายทาง | เส้นทางเริ่มต้นและเสถียรภาพช่วงยาว |
| Beat This พร้อมการประมวลผลภายหลังแบบเลือกใช้ | ข้อจำกัดพิเศษของความเร็ว | บันทึกพารามิเตอร์เพื่อหลีกเลี่ยงการเปลี่ยนแปลงที่ซ่อนอยู่ |
| การกระตุ้นร่วมกับ DBN | ความรู้ตั้งต้นเรื่องความเร็ว/การเปลี่ยนแบบชัดแจ้ง | ทนทาน แต่อาจล็อกอยู่กับความเร็วที่ผิด |
ซ้อนผลทำนายบนรูปคลื่นและกริดห้องเพลงเพื่อตรวจความเร็วครึ่งเท่าหรือสองเท่า จังหวะนำ การเปลี่ยนความเร็ว และช่วงที่ไม่มีกลอง ค่า F-measure เฉลี่ยอาจซ่อนทั้งเพลงที่เลื่อนไปหนึ่งบีต
ค่าความสูญเสียที่ทนต่อการเลื่อนให้เกรเดียนต์ที่สมเหตุสมผลใกล้ขอบเขตคำกำกับ แต่ไม่ได้อนุญาตให้ไทม์สแตมป์เลื่อนได้ตามอำเภอใจ
เวลาของบีตไม่ใช่สกอร์ฉบับสมบูรณ์ การแบ่งส่วน กรูฟ อัตราส่วนสวิง และการเปลี่ยนห้องเพลงต้องอาศัยการวิเคราะห์ระดับสูงขึ้น
ชุดข้อมูลใช้หน้าต่าง กฎความต่อเนื่อง และการถ่วงน้ำหนักดาวน์บีตต่างกัน ดังนั้นอันดับต้องคงชื่อโพรโทคอลไว้
ชื่อโมเดล ตัวเลข และข้อจำกัดอ้างอิงย้อนกลับไปยังบทความ ที่เก็บโค้ด หรือการ์ดโมเดลด้านล่าง