@techreport{oai:ipsj.ixsq.nii.ac.jp:00198761,
 author = {中村, 栄太 and 齋藤, 康之 and 吉井, 和佳},
 issue = {12},
 month = {Aug},
 note = {ピアノ運指の自動推定は，音楽演奏過程を情報学的に理解するために重要であり，演奏支援や演奏学習支援技術へ応用可能である．運指の良さを定義する自然な方法は演奏の制約やコストのモデルを構成することであるが，一般的にこれらのモデルでは適切なパラメータの値を見つけるのは難しい．本稿では，統計モデルに基づくデータ駆動型のアプローチを考え，与えられた運指の自然さを確率に基づいて記述する方法について調べる．具体的には，2種類の HMM （隠れマルコフモデル） とその高次の拡張を構成する．比較手法として，DNN （深層ニューラルネットワーク） に基づく方法も調べる．新しく公開したピアノ運指のデータセットを用いて，これらの手法の学習と評価を行い，制約に基づく代表な手法との比較評価も行う．評価に関しては，運指の個人的差異を考慮して，複数の正解運指データがある場合に使える新たな評価指標を考案した．評価の結果，高次 HMM に基づく手法がその他の手法よりも推定精度が高いことが明らかになった．運指モデルに基づく演奏難易度の定式化およびピアノ用編曲への応用についても議論する．},
 title = {ピアノ運指データを用いた統計学習手法による運指推定と演奏難易度の定式化},
 year = {2019}
}