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