Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.04628

帮助 | 高级搜索

计算机科学 > 声音

arXiv:2306.04628 (cs)
[提交于 2023年6月6日 ]

标题: BERT音乐表示的系统分析

标题: Systematic Analysis of Music Representations from BERT

Authors:Sangjun Han, Hyeongrae Ihm, Woohyung Lim
摘要: 在将原始数据表示为能够有效捕捉语义和上下文信息的数值向量方面,已经进行了许多尝试。 然而,在符号音乐领域,之前的研究通过观察各种微调任务的性能提升来验证其音乐嵌入。 在本工作中,我们直接分析了从BERT以及在小节级MIDI上进行对比学习训练的BERT得到的嵌入,检查可以从MIDI事件中获得的音乐信息。 我们观察到,嵌入的信息特征会根据对比目标和层的选择而有所不同。 我们的代码可在 https://github.com/sjhan91/MusicBERT 获取。
摘要: There have been numerous attempts to represent raw data as numerical vectors that effectively capture semantic and contextual information. However, in the field of symbolic music, previous works have attempted to validate their music embeddings by observing the performance improvement of various fine-tuning tasks. In this work, we directly analyze embeddings from BERT and BERT with contrastive learning trained on bar-level MIDI, inspecting their musical information that can be obtained from MIDI events. We observe that the embeddings exhibit distinct characteristics of information depending on the contrastive objectives and the choice of layers. Our code is available at https://github.com/sjhan91/MusicBERT.
主题: 声音 (cs.SD) ; 多媒体 (cs.MM); 音频与语音处理 (eess.AS)
引用方式: arXiv:2306.04628 [cs.SD]
  (或者 arXiv:2306.04628v1 [cs.SD] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.04628
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Sangjun Han [查看电子邮件]
[v1] 星期二, 2023 年 6 月 6 日 13:26:55 UTC (101 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.SD
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs
cs.MM
eess
eess.AS

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号