GraphMuse: A Library for Symbolic Music Graph Processing

要約

グラフ ニューラル ネットワーク (GNN) は最近、記号音楽タスクで注目を集めていますが、統一されたフレームワークの欠如が進歩を妨げています。
このギャップに対処するために、効率的なミュージック グラフ処理と記号音楽タスクの GNN トレーニングを容易にするグラフ処理フレームワークおよびライブラリである GraphMuse を紹介します。
私たちの貢献の中心となるのは、楽譜内の意味のある動作を特にターゲットにした新しい隣接サンプリング手法です。
さらに、GraphMuse は、音楽タスク用のグラフ ネットワークの表現力と機能を強化する階層モデリング要素を統合します。
2 つの特定の音楽予測タスク (ピッチ スペルとリズム検出) を用いた実験では、以前の方法に比べて大幅なパフォーマンスの向上が実証されました。
私たちの希望は、GraphMuse がグラフ表現に基づく記号音楽処理の促進と標準化につながることです。
ライブラリは https://github.com/manoskary/graphmuse から入手できます。

要約(オリジナル)

Graph Neural Networks (GNNs) have recently gained traction in symbolic music tasks, yet a lack of a unified framework impedes progress. Addressing this gap, we present GraphMuse, a graph processing framework and library that facilitates efficient music graph processing and GNN training for symbolic music tasks. Central to our contribution is a new neighbor sampling technique specifically targeted toward meaningful behavior in musical scores. Additionally, GraphMuse integrates hierarchical modeling elements that augment the expressivity and capabilities of graph networks for musical tasks. Experiments with two specific musical prediction tasks — pitch spelling and cadence detection — demonstrate significant performance improvement over previous methods. Our hope is that GraphMuse will lead to a boost in, and standardization of, symbolic music processing based on graph representations. The library is available at https://github.com/manoskary/graphmuse

arxiv情報

提供元, 利用サービス

arxiv.jp, Google