本研究提出了Sheet Music Transformer模型，这是首个端到端的光学乐谱识别模型，基于Transformer框架，能够从图像中预测乐谱转录。实验结果表明，该模型性能优于现有方法，推动了光谱识别的进步。同时，开发了TrOMR系统，提升了复杂乐谱的识别精度，并构建了相机场景数据集。