事前学習済み言語モデルによる正則化を用いた深層ニューラルネットワークに基づくドラム採譜

• Item type: SIG Technical Reports(1)
• 公開日: 2020-08-17
• タイトル: 事前学習済み言語モデルによる正則化を用いた深層ニューラルネットワークに基づくドラム採譜
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 音楽音響信号解析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 京都大学大学院情報学研究科
• 著者所属: 京都大学大学院情報学研究科
• 著者所属: 京都大学大学院情報学研究科
• 著者所属: 京都大学大学院情報学研究科
• 著者名: 石塚, 崚斗; 錦見, 亮; 中村, 栄太; 吉井, 和佳
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，音響音楽信号からドラムのオンセット時刻をテイタム単位で推定する手法を述べる．自動ドラム採譜では，フレーム単位で設計された深層ニューラルネットワーク (deep neural network; DNN) により，スペクトログラムを入力としてドラムのオンセット時刻を出力する手法が盛んに研究されてきた．しかし，フレーム単位の DNN では楽曲の繰り返し構造を学習することが難しいために，音楽的に不自然なドラムパターンをしばしば生成してしまうという問題点が指摘されていた．この問題を解決するため，我々はフレーム単位の入力特徴量からテイタム単位のドラム譜を推定する DNN に対して，推定結果を音楽的に妥当なパターンに誘導する正則化を施す学習手法を提案する．提案法では，大規模なドラム譜から学習された統計的言語モデルとして，GRU (gated recurrent unit) とスキップタイプ bi-gram を採用する．テイタム単位で推定されたオンセット時刻の音楽的な妥当性を事前学習済みの統計的言語モデルで評価することで，学習過程において正則化を行う．標準データセットを用いた実験により，提案法の効果を示す．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438388
• 書誌情報: 研究報告音楽情報科学（MUS）; 巻 2020-MUS-128, 号 8, p. 1-7, 発行日 2020-08-17
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8752
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会