2026-04-14T22:12:47Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00232829 2025-01-19T10:18:28Z 1164:5064:11558:11559

サムネイル画像を活用した音楽キャプション生成法 元満, 丈寛 林, 克彦 坂井, 優介 上垣外, 英剛 学習データ 近年，自然言語を用いた音楽検索・生成モデルに関する研究が盛んに行われている．これらモデルの学習や評価には，音楽に関する情報を自然言語の文章形式で記述した説明文（音楽キャプション）が必要となるが，規模の大きな公開データはほとんど存在しない．特に，自然言語による音楽の説明記述として，聴きたいシチュエーションや季節等の非音楽的なアスペクト情報は重要であるが，このようなアスペクトが記述された音楽キャプションデータは少ない．この問題に対処するため，本研究ではサムネイル画像から想起される非音楽的なアスペクト（聴きたいシチュエーションや時間，季節，聴いた時の感情）を付与した音楽キャプションデータの生成法を提案し，人手評価によって提案手法の有効性を確認した．また，約 36 万の非音楽的なアスペクトが付与された，学習用と評価用の音楽キャプションデータセットを作成した．作成したデータセットを用いて音楽検索モデルを学習し，検索タスクにおいて有効性を確認した． technical report 情報処理学会 2024-03-02 application/pdf 研究報告音楽情報科学（MUS） 12 2024-MUS-139 1 8 2188-8752 AN10438388 https://ipsj.ixsq.nii.ac.jp/record/232829/files/IPSJ-MUS24139012.pdf jpn