[공지사항]을 빙자한 안부와 근황 
Show more

दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

मुख्य मंच नृत्य संगीत के लिए उप-शैली वर्गीकरण की बेंचमार्किंग

Created by
  • Haebom

लेखक

होंगज़ी शू, ज़िंगलिन ली, होंगयु जियांग, मिंगहाओ फू, ज़िन्यू ली

रूपरेखा

यह शोधपत्र मुख्य मंच नृत्य संगीत के उप-शैली वर्गीकरण के लिए एक नया मानक प्रस्तुत करता है। मौजूदा डेटासेट और प्रभावी पद्धतियों की कमी को दूर करने के लिए, हम एक नया डेटासेट और बेसलाइन मॉडल प्रस्तुत करते हैं जो दुनिया भर के संगीत समारोहों में प्रमुख डीजे के हालिया लाइव सेटों की विविधता को दर्शाता है। मिश्रित उप-शैलियों वाले ट्रैकों को समायोजित करने के लिए, हम संगीत की जटिलता को बनाए रखने हेतु एक सतत सॉफ्ट लेबलिंग दृष्टिकोण अपनाते हैं। प्रायोगिक परिणाम दर्शाते हैं कि अत्याधुनिक मल्टीमॉडल लार्ज-स्केल लैंग्वेज मॉडल (एमएलएलएम) भी इस कार्य में कठिनाई का सामना करते हैं, जबकि हमारा विशिष्ट बेसलाइन मॉडल उच्च सटीकता प्राप्त करता है। यह मानक संगीत अनुशंसा, डीजे सेट योजना और इंटरैक्टिव मल्टीमीडिया सिस्टम जैसे अनुप्रयोगों का समर्थन करता है, और एक वीडियो प्रदर्शन भी प्रदान किया गया है। कोड और डेटा सार्वजनिक रूप से उपलब्ध हैं।

Takeaways, Limitations

Takeaways:
मुख्य मंच नृत्य संगीत की उप-शैलियों को वर्गीकृत करने के लिए एक नया मानक और डेटासेट प्रदान करना
विभिन्न उप-शैलियों को कवर करने वाले समृद्ध डेटासेट के साथ ईडीएम संगीत अनुसंधान में योगदान देता है
निरंतर सॉफ्ट लेबलिंग तकनीकों के माध्यम से संगीत की जटिलता को प्रभावी ढंग से संभालना
अत्याधुनिक एमएलएलएम की सीमाओं को प्रदर्शित करता है और विशेष मॉडलों की श्रेष्ठता को प्रदर्शित करता है
संगीत अनुशंसा और डीजे सेट योजना जैसे विभिन्न अनुप्रयोगों में उपयोग किया जा सकता है
कोड और डेटा के प्रकटीकरण के माध्यम से अनुसंधान की पारदर्शिता और पुनरुत्पादनशीलता सुनिश्चित करना
Limitations:
डेटासेट के आकार और विविधता पर आगे अनुसंधान की आवश्यकता है।
किसी विशिष्ट शैली या क्षेत्र के प्रति पक्षपाती डेटासेट के निर्माण की संभावना
सॉफ्ट लेबलिंग विधियों की व्यक्तिपरकता और सीमाओं पर विचार करने की आवश्यकता है
प्रस्तावित आधारभूत मॉडल के सामान्यीकरण प्रदर्शन के आगे सत्यापन की आवश्यकता है।
👍