ASAPデータセットにおける自動音符レベルのスコアとパフォーマンスの整合

いくつかのMIRアプリケーションでは、トレーニングと評価のためにMIDIパフォーマンスとその楽譜の間で細分化された音符の整合が必要です。しかし、この種のデータを持つ大規模で高品質なデータセットは利用できず、その手動作成は専門家のみが行える非常に時間のかかる作業です。本論文では、データセット生成に適用された最先端の自動音符整合モデルを評価します。ビートや小節の整合など、既存の注釈を柔軟に活用するモデルを用いて、生産された整合の精度と信頼性を向上させます。これらのセグメント制約モデルを徹底的に評価し、ASAPデータセットの音符整合を作成するために最良のモデルを使用します。ASAPデータセットは、MusicXMLスコアにビート整合されたソロピアノのMIDIパフォーマンスの大規模データセットです。結果の音符整合は手動でチェックされ、https://github.com/CPJKU/asap-dataset で公開されています。本論文の貢献は4つあります：(1)信頼性のある音符整合を提供し、(n)ASAPという、7M以上の注釈付音符と約100時間の音楽を含む最大の完全に音符整合されたデータセットを作成しました。(2)既存の注釈を柔軟に活用し、自動モデルよりも大幅に優れた音符整合のためのセグメント制約モデルを設計、評価、公開しました。(3)最新技術と同等の結果を出す音符整合のための非制約自動モデルを設計、評価、公開しました。(4)整合注釈の視覚化と修正のためのウェブインターフェースParangonadaを紹介します。