Otimização do alinhamento e correspondência de áudio para MIDI baseado em DTW

A distorção de tempo dinâmica (DTW) provou ser um método extremamente eficaz tanto para alinhar quanto para corresponder gravações de música a transcrições MIDI correspondentes. No entanto, seu desempenho é fortemente afetado por fatores como a representação utilizada para os dados de áudio e MIDI e seus parâmetros ajustáveis. Portanto, investigamos a otimização automática do design de sistemas de alinhamento e correspondência baseados em DTW. Nossa abordagem utiliza otimização bayesiana para ajustar o design do sistema e parâmetros sobre um conjunto de dados criado sinteticamente de pares de áudio e MIDI. Em seguida, realizamos uma busca exaustiva sobre técnicas de normalização de pontuações DTW para encontrar o método ideal para relatar uma pontuação de confiança de alinhamento confiável, conforme requerido em tarefas de correspondência. Isso resulta em um sistema baseado em DTW que é conceitualmente simples e altamente preciso tanto em alinhamento quanto em correspondência. Verificamos que este sistema alcança alto desempenho em uma avaliação qualitativa em grande escala de alinhamentos do mundo real.