PBSCSR：钢琴仿制乐谱创作者风格识别数据集
内容提要
该文汇总多项音乐AI研究，包括构建大规模钢琴MIDI数据集并用神经网络转录钢琴作品、提出BachProp算法生成任意风格音乐、发布MusicNet等数据集、探索音频与乐谱跨模态匹配、用Transformer预训练处理MIDI，以及研究自监督对比学习以缓解标注数据稀缺问题。
延伸解读
数据集规模与构建方法
GiantMIDI-Piano数据集包含38700838个音符和10855个独奏钢琴作品，其构建结合了卷积神经网络探测独奏钢琴作品和高分辨率钢琴转录系统，将音频转为MIDI文件。这一流程为音乐信息检索和音乐分析提供了大规模符号化数据，但转录质量可能受音频源和模型精度影响。
风格生成与标准化表示
BachProp算法通过新颖的标准化乐曲表示方法，能够针对特定音乐类型训练并生成符合任何风格的音乐。评估表明其生成乐曲质量不逊于原始乐曲，这为风格化音乐生成提供了可行路径，但算法对训练数据的依赖和风格覆盖范围仍需进一步验证。
跨模态匹配与预训练技术
多项研究探索了音频与乐谱的跨模态匹配，例如通过神经网络匹配短音频片段与乐谱像素位置，以及使用跨模态嵌入空间解决匹配问题。此外，BERT掩蔽语言建模被用于预训练12层Transformer处理MIDI文件，自监督对比学习则旨在缓解标注数据稀缺。这些技术展示了深度学习在音乐理解中的潜力，但实际应用效果受数据量和任务复杂度制约。
Q&A
GiantMIDI-Piano数据集包含多少音符和钢琴作品？
GiantMIDI-Piano数据集包含38700838个音符和10855个独奏钢琴作品。
BachProp算法的主要功能是什么？
BachProp是一种机器学习算法，可以生成符合任何风格的音乐，通过标准化乐曲表示方法训练特定音乐类型，生成的乐曲质量不逊于原始乐曲。
MusicNet数据集包含哪些内容？
MusicNet数据集包含10位作曲家创作的11种乐器的数百个自由许可的古典音乐录音以及关于它们的时间标签。
如何解决多模态音乐检索中标注数据稀缺的问题？
通过自监督对比学习的方法，可以减轻多模态音乐检索模型中标注数据稀缺的限制，经过预训练的模型能更好地检索音乐片段，并在交叉模态的作品识别任务中获得更好的检索质量。
Transformer模型在音乐理解任务中有什么应用？
使用BERT的掩蔽语言建模方法预训练一个12层Transformer模型，用于处理4166个多音乐器MIDI文件，以解决基于符号领域的音乐理解任务，并发现预训练仍然有效。
音频和乐谱图像之间的匹配问题如何解决？
使用神经网络跨模态嵌入空间解决音频和乐谱图像之间的匹配问题，并在五个不同作曲家的古典钢琴音乐上进行实验，展示出多模态神经网络处理乐谱和音频的成果。
