Exportar registro bibliográfico


Metrics:

Music similarity models applied to cover song identification and classification (2021)

  • Authors:
  • Autor USP: BODO, ROBERTO PIASSI PASSOS - IME
  • Unidade: IME
  • Sigla do Departamento: MAC
  • DOI: 10.11606/T.45.2021.tde-27092021-104421
  • Assunto: COMPUTAÇÃO MUSICAL
  • Keywords: Classificação de covers; Computer music; Cover song classification; Cover song identification; Identificação de covers; Music information retrieval; Music similarity; Recuperação de informação musical; Similaridade musical
  • Agências de fomento:
  • Language: Inglês
  • Abstract: A difusão da música digital permitiu o surgimento de conjuntos de dados com milhões de arquivos de áudio. O processamento deste enorme número de arquivos é realizado com técnicas de Recuperação de Informação Musical que analisam diretamente o conteúdo do áudio. A tarefa de maior interesse neste projeto é a modelagem de Similaridade Musical. Nossa proposta segue os seguintes passos: extrair descritores de áudio, agregar descritores locais em descritores globais e calcular as distâncias entre todos os pares de músicas dos conjuntos de dados sendo processados. De acordo com essa abordagem, uma tripla {extrator_i, agregador_j, distância_k} define um modelo de similaridade musical, e nosso principal objetivo é investigar a capacidade dos modelos de similaridade de distinguir arquivos de áudio de classes diferentes. Os modelos de similaridade musical também são usados para resolver problemas específicos, como Identificação de Covers, que é uma aplicação de Similaridade Musical, e Classificação de Covers, que é um problema relacionado com o de Identificação. Outras técnicas de Recuperação de Informação Musical, como Modificação de Conjuntos de Dados e Fusão de Matrizes, são exploradas no contexto de melhorar os resultados de modelos de similaridade musical. Este trabalho apresenta várias contribuições, entre as quais o benchmark de modelos de similaridade musical; a definição de novas matrizes de similaridade no contexto de Classificação de Covers como abordagem de solução para aIdentificação de Covers; a exploração de diferentes tipos de modificação de conjuntos de dados e uma investigação de seus efeitos nas métricas de similaridade musical; e a fusão de matrizes de similaridade calculadas a partir de conjuntos de dados secundários obtidos por meio de separação de fontes. Os experimentos apresentados produziram resultados encorajadores, indicando que os métodos propostos nesta tese apontam na direção de abordagens inovadoras que merecem investigação e desenvolvimento adicionais
  • Imprenta:
  • Data da defesa: 28.07.2021
  • Acesso à fonteAcesso à fonteDOI
    Informações sobre o DOI: 10.11606/T.45.2021.tde-27092021-104421 (Fonte: oaDOI API)
    • Este periódico é de acesso aberto
    • Este artigo é de acesso aberto
    • URL de acesso aberto
    • Cor do Acesso Aberto: gold
    • Licença: cc-by-nc-sa

    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      BODO, Roberto Piassi Passos. Music similarity models applied to cover song identification and classification. 2021. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27092021-104421/. Acesso em: 23 abr. 2024.
    • APA

      Bodo, R. P. P. (2021). Music similarity models applied to cover song identification and classification (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27092021-104421/
    • NLM

      Bodo RPP. Music similarity models applied to cover song identification and classification [Internet]. 2021 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27092021-104421/
    • Vancouver

      Bodo RPP. Music similarity models applied to cover song identification and classification [Internet]. 2021 ;[citado 2024 abr. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-27092021-104421/


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2024