@techreport{oai:ipsj.ixsq.nii.ac.jp:00232829,
 author = {元満, 丈寛 and 林, 克彦 and 坂井, 優介 and 上垣外, 英剛},
 issue = {12},
 month = {Mar},
 note = {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．},
 title = {サムネイル画像を活用した音楽キャプション生成法},
 year = {2024}
}