スペクトログラムとピッチグラムの深層クラスタリングに基づく複数楽器パート採譜

• Item type: SIG Technical Reports(1)
• 公開日: 2020-08-17
• タイトル: スペクトログラムとピッチグラムの深層クラスタリングに基づく複数楽器パート採譜
• 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: 早稲田大学大学院先進理工学研究科
• 著者所属: 早稲田大学大学院先進理工学研究科
• 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: 早稲田大学理工学術院総合研究所
• 著者名: 田中, 啓太郎; 中塚, 貴之; 錦見, 亮; 吉井, 和佳; 森島, 繁生
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，任意の複数楽器で演奏された音楽音響信号に対し，各楽器パートのピアノロールを推定するための深層クラスタリングに基づく採譜手法について述べる．採譜対象の楽曲が常に特定の楽器で演奏されている場合，各ピアノロールを得るための直接的な方法は，深層ニューラルネットワーク (deep neural network, DNN) を用いて各楽器ごとのピッチグラム（音高サリエンシースペクトログラム）を推定する手法である．しかしながらこの手法には，事前指定外の楽器を含む楽曲を取り扱うことができないという致命的な限界がある．本研究では，楽器に依存しない音高推定器を用いてコンデンスピッチグラムを推定した後，深層球面クラスタリングによって指定した数の楽器パートに分離する．採譜精度向上のため，各楽器の音色特徴量と音高特徴量に基づくスペクトログラムとピッチグラムの同時クラスタリングを提案する．実験では，提案手法により事前指定外の未知楽器を含む楽曲に対しても，既知楽器のみで構成される楽曲とほぼ同程度かつ最先端の精度で採譜を行うことができることを確認した．
• 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 11, p. 1-6, 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