Benchmarking Sub-Genre Classification For Mainstage Dance Music

要約

音楽の分類は、幅広い用途に対応しており、音楽情報の検索において最も重要なタスクの 1 つです。
メインステージのダンス ミュージックの分類における包括的なデータセットや高性能の手法が存在しないことに対処するために、この研究では、新しいデータセットとベースラインで構成される新しいベンチマークを導入しています。
私たちのデータセットは、世界中の音楽フェスティバルのトップ DJ による最新のメインステージ ライブ セットをカバーするようにサブジャンルの数を拡張しています。
複数のサブジャンルにまたがるトラックを考慮するために、継続的なソフト ラベリング アプローチが採用され、固有の洗練さを維持します。
ベースラインとして、私たちは、ハウス ミュージックのサブジャンルを識別するのに苦労している現在の最先端のマルチモデル言語モデルよりも優れたパフォーマンスを発揮する深層学習モデルを開発し、きめの細かいデータセットでトレーニングされた特殊なモデルの必要性を強調しました。
当社のベンチマークは、音楽の推奨、DJ セットのキュレーション、インタラクティブ マルチメディアなどのアプリケーション シナリオに適用でき、ビデオ デモも提供しています。
私たちのコードは \url{https://anonymous.4open.science/r/Mainstage-EDM-Benchmark/} にあります。

要約(オリジナル)

Music classification, with a wide range of applications, is one of the most prominent tasks in music information retrieval. To address the absence of comprehensive datasets and high-performing methods in the classification of mainstage dance music, this work introduces a novel benchmark comprising a new dataset and a baseline. Our dataset extends the number of sub-genres to cover most recent mainstage live sets by top DJs worldwide in music festivals. A continuous soft labeling approach is employed to account for tracks that span multiple sub-genres, preserving the inherent sophistication. For the baseline, we developed deep learning models that outperform current state-of-the-art multimodel language models, which struggle to identify house music sub-genres, emphasizing the need for specialized models trained on fine-grained datasets. Our benchmark is applicable to serve for application scenarios such as music recommendation, DJ set curation, and interactive multimedia, where we also provide video demos. Our code is on \url{https://anonymous.4open.science/r/Mainstage-EDM-Benchmark/}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google