论文阅读：BEATNET: CRNN AND PARTICLE FILTERING FOR ONLINE JOINT BEAT DOWNBEAT AND METER TRACKING

BeatNET：用于在线联合节拍弱拍和仪表跟踪的 CRNN 和粒子过滤

BEATNET: CRNN AND PARTICLE FILTERING FOR ONLINE JOINT BEAT DOWNBEAT AND METER TRACKING

---

开源地址：
https://github.com/mjhydri/BeatNet
论文地址：
https://arxiv.org/abs/2108.03576

摘要

提示：这里可以添加本文要记录的大概内容：

节奏信息的在线估计，例如节拍位置、强拍位置和节拍，对于许多实时音乐应用来说至关重要。 音乐节奏包含跨时间的复杂等级关系，使其分析具有内在的挑战性，有时还具有主观性。 此外，试图实时估计节奏信息的系统必须是因果的，并且必须快速有效地产生估计。

在这项工作中，我们介绍了一个用于联合节拍、强拍和节拍跟踪的在线系统，该系统利用因果卷积和循环层，然后在推理过程中应用一对顺序蒙特卡罗粒子滤波器。

所提出的系统不需要为执行强拍跟踪而准备时间签名，而是能够随着时间的推移估计节拍并调整预测。 此外，我们提出了一种信息门策略，以显着降低推理步骤中粒子滤波的计算成本，使系统比以前基于采样的方法