Multi-label Cross-lingual automatic music genre classification from lyrics with Sentence BERT
INSPER Institute of Teaching and Research（INSPER教学与研究学院）
提出基于 sBERT 多语言句子嵌入的多标签跨语言歌词音乐流派分类系统，在葡英双语数据集上显著优于翻译加词袋基线。
2025-01-07 cs.IR cs.LG cs.SD
Complex Network-Based Approach for Feature Extraction and Classification of Musical Genres
Universidade Tecnológica Federal do Paraná (UTFPR)（巴拉那联邦理工大学）
音乐体裁的分类一直是一个相关的研究课题。音乐和流派之间的关联对于管理音乐推荐系统的媒体行业和可能按流派分类的音乐流媒体服务来说是基本的。在这种情况下，这项工作提出了一种基于复杂网络及其拓扑测量的音乐类型自动分类的特征提取方法。该方法首先将音乐转换为音符序列，然后将序列映射为复杂网络。提取拓扑测量值来表征网络拓扑，构成适用于音乐流派分类的特征向量。采用GTZAN数据集和FMA数据集分别对10种音乐类型和8种音乐类型进行了分类。结果与文献中的方法进行了比较。所提出的方法优于所有比较的方法，呈现高的准确性和低的标准差，显示其适用于音乐类型的分类，这有助于媒体行业的自动分类的自信和鲁棒性。所提出的方法是在Python语言中以开源实现的，并且可以在https://github.com/omatheuspimenta/examinner上免费获得。
2021-10-09 cs.CV cs.LG cs.SD
Multi-Genre Music Transformer -- Composing Full Length Musical Piece
Purdue University（普渡大学）
在生成音乐的任务中，艺术因素起着很大的作用，对AI来说是一个巨大的挑战。以前的工作涉及对抗性训练，以产生新的音乐作品，并对音乐中的各种兼容性（节拍，节奏，音乐干）进行建模，展示了学习这项任务的很好的例子。尽管这仅限于生成mashup或从节奏和键分布中学习特征以生成类似的模式。复合词Transformer能够将音乐生成任务表示为涉及由复合词定义的音乐事件的序列生成挑战。这些音乐事件对音符的进展、和弦的变化、和声和艺术因素给予了更准确的描述。该项目的目标是实现一个多流派的Transformer，它通过更适应的学习过程来学习制作音乐作品，包括更具有挑战性的任务，其中还考虑了作曲的流派或形式。我们建立了一个多体裁的复合词数据集，实现了一个线性Transformer，它是在这个数据集上训练的。我们称之为多流派Transformer，它能够产生全长新的音乐作品，这是多样化的，可与原始轨道。该模型的训练速度比其他模型快2-5倍。
2023-01-06 cs.LG cs.SD eess.AS
Exploring Music Genre Classification: Algorithm Analysis and Deployment Architecture
Netaji Subhash Engineering College（内塔吉·苏巴斯工程学院）；Jadavpur University（贾达普大学）
本文提出一种结合数字信号处理和深度学习技术的新型音乐流派分类算法，在GTZAN数据集上取得高准确率，并设计了端到端部署架构以集成至音乐应用。
2023-09-14 cs.IR cs.SD eess.AS
Random Projections of Mel-Spectrograms as Low-Level Features for Automatic Music Genre Classification
Federal University of Technology – Paraná（巴拉那联邦理工大学）；University of Campinas（坎皮纳斯大学）
在这项工作中，我们分析的随机投影梅尔声谱图作为低级别的功能，音乐流派分类。将该方法与手工特征、使用自动编码器学习的特征以及从迁移学习设置获得的特征进行比较。在五个不同的众所周知的公开数据集中进行的测试表明，随机投影导致的结果与学习的特征相当，并且在浅层学习场景中优于通过迁移学习获得的特征。随机投影不需要使用广泛的专业知识，同时，与其他基于投影的低级特征相比，需要更少的计算能力进行训练。因此，他们可以是一个可行的选择，用于浅层学习的基于内容的音乐流派分类。
2019-11-12 cs.IR cs.LG cs.SD
Music Genre Classification with Paralleling Recurrent Convolutional Neural Network
深度学习在音乐流派分类中的有效性和效率已经得到证明。然而，现有的成果仍然存在一些缺点，影响了这一分类任务的性能。在本文中，我们提出了一种混合结构，它由并行的CNN和Bi-RNN块。它们分别侧重于空间特征和时间帧顺序的提取。然后将两个输出融合成一个强大的音乐信号表示，并送入softmax函数进行分类。并行网络保证了提取的特征足够鲁棒以表示音乐。此外，实验证明，我们提出的架构提高了音乐流派分类的性能和额外的Bi-RNN块是CNN的补充。
2017-12-22 cs.IR cs.SD eess.AS
Graph Representation learning for Audio & Music genre Classification
Mercedes-Benz R&D India（梅赛德斯-奔驰印度研发中心）
音乐类型可以说是音乐和音频内容的最重要和最有区别性的信息之一。基于视觉表示的方法已经在用于音乐流派分类的谱图上进行了探索。然而，缺乏高质量的数据和增强技术使得很难成功地使用深度学习技术。我们讨论了图神经网络在此类任务中的应用，因为它们具有很强的归纳偏差，并表明CNN和GNN的组合能够在GTZAN和AudioSet（不平衡音乐）数据集上实现最先进的结果。我们还讨论了Siamese神经网络作为学习边缘相似性权重的GNN的类似物的作用。此外，我们还进行视觉分析，以了解我们的模型的视野到基于体裁标签的频谱图。
2019-10-23 cs.LG cs.SD stat.ML
Attention-guided Spectrogram Sequence Modeling with CNNs for Music Genre Classification
IIT Hyderabad（印度理工学院海得拉巴分校）
本文提出利用CNN与多头注意力对频谱图序列建模，捕捉音乐中时序关键片段形成流派签名，以提升音乐流派分类准确率并支撑个性化推荐。
2024-11-18 cs.CV cs.LG cs.SD
Inter Genre Similarity Modelling For Automatic Music Genre Classification
The University of Nottingham（诺丁汉大学）；Koç University（科奇大学）
音乐类型分类是音乐信息检索系统的重要工具，在各种媒体平台上得到了广泛的应用。音乐类型自动分类的两个重要问题是特征提取和分类器设计。本文研究了体裁间相似性建模（IGS），以提高性能的自动音乐体裁分类。跨流派的相似性信息被提取的错误分类的特征人口。一旦体裁间相似性被建模，消除体裁间相似性减少体裁间混淆，提高识别率。通过迭代IGS建模（IIGS）和IGS消除评分建模（SMIGS）进一步改进了体裁间相似性建模。实验结果与有前途的分类改进。
2009-07-18 cs.AI cs.SD stat.ML
HouseX: A Fine-grained House Music Dataset and its Potential in the Music Industry
New York University Shanghai（上海纽约大学）
机器声音分类一直是音乐技术的基本任务之一。声音分类的一个主要分支是音乐类型的分类。然而，尽管覆盖了大多数音乐流派，现有的音乐流派数据集通常不包含指示音乐的详细子流派的细粒度标签。考虑到混音带或DJ（现场）集合中歌曲流派的一致性，我们收集并注释了一个house音乐数据集，该数据集提供4个子流派标签，即未来house，bass house，progressive house和melodic house。实验表明，我们的标注很好地体现了不同类别的特点。此外，我们已经建立了基线模型，根据一个轨道的梅尔频谱图分类的子流派，取得了很强的竞争力的结果。此外，我们还提出了我们的数据集和基线模型的几个应用场景，模拟科幻隧道作为一个简短的演示，在3D建模软件中构建和渲染，灯光的颜色由我们的模型输出自动化。
2022-10-12 cs.LG cs.SD eess.AS
Music Genre Classification with ResNet and Bi-GRU Using Visual Spectrograms
The University of Melbourne（墨尔本大学）
针对音乐流派分类中传统方法依赖人工特征、CNN难捕捉时间动态的问题，提出以视觉频谱图为输入、融合ResNet与GRU的混合模型，可更全面分析音乐数据，助力提升音乐推荐系统性能。
2023-07-20 cs.LG cs.SD eess.AS
Convolutional Neural Network Achieves Human-level Accuracy in Music Genre Classification
Rutgers University（罗格斯大学）
本文提出一种结合人类感知与听觉神经生理学的方法，通过训练简单CNN对音乐短片段分类并综合预测，使音乐流派分类达到人类水平的70%准确率。
2018-02-27 cs.LG cs.SD eess.AS
Transfer Learning of Artist Group Factors to Musical Genre Classification
Delft University of Technology（代尔夫特理工大学）；Kakao Corp.（Kakao公司）；Universitat Pompeu Fabra（庞培法布拉大学）
从音频信息中自动识别音乐流派是一个具有挑战性的问题，因为流派标签是主观的和嘈杂的。艺术家的标签不那么主观，也不那么嘈杂，而某些艺术家可能与某些流派有更强的联系。同时，在预测时，不能保证艺术家标签可用于给定的音频段。因此，在这项工作中，我们建议应用迁移学习框架，学习艺术家相关的信息，这些信息将在推理时用于体裁分类。我们考虑不同类型的艺术家相关信息，通过艺术家群体因素表达，这将允许更有效的学习和更强的鲁棒性，以潜在的标签噪声。此外，我们还研究了如何在给定的FMA数据集上实现最高的验证精度，通过实验各种转移方法，包括单任务转移，多任务转移和最后的多任务学习。
2019-01-13 cs.LG cs.SD eess.AS
Music Genre Bars
Indian Institute of Technology Kanpur（印度理工学院坎普尔分校）
音乐体裁作为一种流行的音乐元数据，对于音乐数据集的组织、挖掘和检索具有重要的意义。软音乐流派是对歌曲的加权多流派注释。在这项初步工作中，我们提出了水平堆叠的条形图来表示由这些软音乐流派注释的音乐数据集。为此，我们以一个玩具数据集为例，该数据集由三种音乐类型的歌曲组成;蓝调，爵士乐和乡村音乐。我们演示了如何将这样的堆叠条形图用作界面中用户输入的滑块。我们实现这一点，通过嵌入这个流派酒吧在流媒体应用程序原型，并显示其实用程序在选择播放列表。最后，我们提出了进一步的工作和未来的探索，我们提出的初步研究结论。
2021-02-27 cs.HC cs.SD eess.AS
A Novel Multimodal Music Genre Classifier using Hierarchical Attention and Convolutional Neural Network
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）
音乐体裁分类是当前音乐信息检索研究的热点之一。由于流派的依赖性不仅限于音频简档，我们还使用作为相应歌曲的歌词提供的文本内容。我们实现了一个基于CNN的特征提取器的声谱图，以纳入声学特征和层次注意力网络的特征提取器的歌词。然后，我们继续分类的音乐曲目的基础上产生的融合特征向量。
2020-11-24 cs.IR cs.MM cs.SD
Genre-conditioned Acoustic Models for Automatic Lyrics Transcription of Polyphonic Music
National University of Singapore（新加坡国立大学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
复调音乐的歌词转录是具有挑战性的，这不仅是因为演唱的声音被背景音乐破坏，而且还因为背景音乐和演唱风格在不同的音乐流派中不同，例如流行音乐，金属和嘻哈，这以不同的方式影响歌曲的歌词可理解性。在这项工作中，我们建议使用一种新的体裁条件网络来转录复调音乐的歌词。所提出的网络采用预先训练的模型参数，并在层之间结合体裁适配器，以捕获歌词体裁对的不同体裁特性，从而只需要轻量级的体裁特定参数进行训练。我们的实验表明，建议的体裁条件网络优于现有的歌词转录系统。
2022-04-07 cs.AI cs.SD eess.AS
MATT: A Multiple-instance Attention Mechanism for Long-tail Music Genre Classification
Huazhong University of Science and Technology（华中科技大学）
不平衡音乐类型分类是音乐信息检索（MIR）领域的一项重要任务，它基于相关的音乐音频片段来识别长尾、数据贫乏的音乐类型，这在现实世界中非常普遍。现有的大多数模型都是针对类别平衡的音乐数据集设计的，导致在识别分布尾部的音乐流派时，准确性和泛化性能较差。受在各种分类任务中成功引入多实例学习（MIL）的启发，我们提出了一种名为多实例注意力（MATT）的新机制，以提高识别尾类的性能。具体来说，我们首先通过生成专辑艺术家配对包来构建包级数据集。其次，我们利用神经网络来编码音乐音频片段。最后，在多实例注意力机制的指导下，基于神经网络的模型可以选择信息量最大的流派来匹配给定的音乐片段。在具有长尾分布的大规模音乐流派基准数据集上的综合实验结果表明，MATT显著优于其他最先进的基线。
2022-09-09 cs.AI cs.LG cs.MM
Texture Selection for Automatic Music Genre Classification
Federal University of Technology – Paraná（巴拉那联邦理工大学）；University of Campinas（坎皮纳斯大学）
音乐流派分类是将与流派相关的标签与数字化音乐曲目相关联的问题。它在商业和个人音乐收藏的组织中有应用。通常，音乐曲目被描述为一组音色灵感的声音纹理。在浅学习系统中，每个音轨的声音纹理总数通常太高，纹理下采样是必要的，以使训练易于处理。虽然以前的工作已经解决了这个线性下采样，没有广泛的工作已经完成，以评估如何纹理选择的好处流派分类的背景下，袋的帧轨道描述。在本文中，我们评估的影响，帧选择自动音乐流派分类在一袋帧的情况下。我们还提出了一种新的纹理选择器的基础上K-Means旨在确定不同的声音纹理在每个轨道。我们评估了纹理选择在不同的数据集，四个不同的功能集，以及它的关系，一个单变量特征选择策略。结果表明，帧选择导致显着改善的单一向量基线的数据集组成的全长轨道，无论功能集。结果还表明，K-Means纹理选择器在基线上实现了显着的改进，与常用的线性下采样相比，每个轨道使用更少的纹理。结果还表明，纹理选择是互补的特征选择策略评估。我们的定性分析表明，类内的纹理多样性有利于模型的泛化。我们的分析表明，选择特定的音频摘录可以提高分类性能，它可以自动完成。
2019-05-28 cs.IR cs.LG cs.SD
Improving Music Genre Classification from Multi-Modal Properties of Music and Genre Correlations Perspective
Ping An Technology (Shenzhen) Co., Ltd.（平安科技（深圳）有限公司）
针对现有音乐流派分类方法模态利用效率低、未建模流派关联的问题，提出融合音频歌词的多模态方法与流派关联提取模块，在Music4All数据集上取得最优效果。
2023-06-12 cs.SD
Off the Beaten Track: Using Deep Learning to Interpolate Between Music Genres
Eindhoven University of Technology（埃因霍温理工大学）；University of Florence（佛罗伦萨大学）；University of Basel（巴塞尔大学）；Conservatorio G.F. Ghedini di Cuneo（库尼奥G.F.盖迪尼音乐学院）；Musica Combinatoria（组合音乐机构）
我们描述了一个基于深度学习的系统，该系统在电子舞曲领域生成鼓模式。实验结果表明，生成的模式可以用来产生不同类型之间的音乐声音和创造性的过渡，并在该领域的从业者感兴趣的生成过程。
2018-05-02 cs.LG cs.MM cs.SD
Comparison of spectrogram scaling in multi-label Music Genre Recognition
Poznań University of Economics and Business（波兹南经济大学）
本文针对多标签音乐流派识别中流派组合复杂的问题，比较多种频谱图缩放预处理与模型训练方法，并在超过18000条人工标注数据集上验证。
2025-06-02 cs.LG cs.SD eess.AS
Music Genre Classification: Training an AI model
Academy of computer science University of Johannesburg Auckland Park JHB 2092, South Africa
本研究探索多种机器学习算法（多层感知器、k近邻、卷积神经网络、随机森林）进行音乐流派分类，使用STFT和MFCC特征提取，评估模型稳健性并比较结果。
2024-05-23 cs.LG cs.SD eess.AS
Audio Processing using Pattern Recognition for Music Genre Classification
Department of Information Technology（信息技术系）；St. Thomas’ College of Engineering & Technology, MAKAUT（圣托马斯工程技术学院，马卡乌特大学）
本研究利用GTZAN数据集和多种机器学习算法对五种音乐流派进行分类，其中Keras实现的人工神经网络达到92.44%的验证准确率，并计划未来扩展至全部十种流派及实时应用。
2024-10-19 cs.LG cs.SD eess.AS
Investigating the role of musical genre in human perception of music stretching resistance
Tsinghua University（清华大学）
将音乐作品拉伸到给定长度是人们日常生活中的常见需求，例如，音频视频同步和动画制作。然而，并不总是保证拉伸的音乐作品对于普通观众是可接受的，因为音乐拉伸受到人们的感知伪像的影响。过度拉伸音乐作品将使其对人类心理听觉不舒服。音乐拉伸阻力的研究试图估算音乐作品的最大拉伸性，以进一步避免过度拉伸。已经观察到，音乐类型可以显著提高音乐拉伸阻力的自动估计的准确性，但是音乐类型如何与音乐拉伸阻力相关在文献中从未被详细解释或研究。本文比较了不同音乐流派的音乐拉伸阻力特性。实验发现，音乐拉伸阻力具有较强的体裁内聚合性和体裁间差异性。此外，在实验分析中还观察到音乐拉伸阻力的模糊性和对称性。这些发现导致了一种新的测量不同音乐流派之间的相似性的基础上，他们的音乐拉伸阻力。此外，方差分析也通过验证音乐体裁在塑造音乐拉伸阻力方面的意义，支持了本文的研究结果。
2017-01-12 cs.MM cs.SD
Tune It Up: Music Genre Transfer and Prediction
University of Hacettepe（哈杰泰佩大学）
本研究改进CycleGAN模型实现爵士乐与古典乐的风格迁移，并训练分类器评估，最佳准确率分别为69.4%和39.3%，同时保留旋律。
2025-03-27 cs.LG cs.SD eess.AS
Extended pipeline for content-based feature engineering in music genre recognition
RWTH Aachen University（亚琛工业大学）；University of Florence（佛罗伦萨大学）
我们提出了一个特征工程管道的音乐信号特征的建设，用于设计一个监督模型的音乐流派识别。其关键思想是扩展传统的两步提取和分类过程，添加独立的阶段，不再组织在瀑布方案。整个系统是通过遍历各个阶段之间的回溯箭头和循环来实现的。为了给一个紧凑和有效的表示的功能，标准的早期时间整合与其他选择和提取阶段相结合：一方面，选择最有意义的特征的基础上的信息增益，另一方面，包括这个子集的功能，由自动编码器确定的非线性相关性。在GTZAN数据集上进行的实验结果表明，这种方法对模型在分类任务中的性能有明显的贡献。
2018-05-12 cs.LG cs.SD eess.AS
Bangla Music Genre Classification Using Bidirectional LSTMS
Dept. of Computer Science \& Engineering, Bangladesh Army International University of Science；Technology, Cumilla Cantonment, Cumilla - 3501, Bangladesh Dept. of Computer Science \& Engineering, CCN University of Science；Technology, CCN Road, Cumilla - 3506, Bangladesh. Dept. of Electrical \& Electronic Engineering, International Islamic University Chittagong,Chattogram - 4318, Bangladesh.
本文提出使用双向LSTM对孟加拉音乐进行流派分类，通过MFCC特征提取和实验验证，实现78%的分类准确率。
2026-01-21 cs.LG cs.SD
A Music Information Retrieval Approach to Classify Sub-Genres in Role Playing Games
本文提出了一种基于音乐特征分析的方法，用于角色扮演游戏子类型分类。
2026-01-05 cs.IR cs.SD
1D CNN Architectures for Music Genre Classification
École de Technologie Supérieure, Université du Québec（魁北克大学高等技术学院）
本文提出了一种用于音乐流派分类的一维残差卷积神经网络（CNN）架构，并将其与其他最近的一维CNN架构进行了比较。1D CNN直接从原始音频信号中学习表示和判别式。几个卷积层捕获音频信号的时频特性，并学习与音乐流派识别任务相关的各种滤波器。所提出的方法使用滑动窗口将音频信号分割成重叠的片段，以符合1D CNN的固定长度输入约束。结果，可以对单个音频段或对若干音频段上的预测的聚合执行音乐流派分类，这提高了最终准确度。所提出的1D残差CNN的性能在1,000个音频片段的公共数据集上进行评估。实验结果表明，它在分类音乐类型时达到了80.93%的平均准确率，优于其他1D CNN架构。
2021-05-15 cs.SD eess.AS
Content-based feature exploration for transparent music recommendation using self-attentive genre classification
Seoul National University（首尔大学）
检索结果的解释是音乐推荐系统中的一个重要问题，特别是从用户的角度来看。在这项研究中，我们调查的方法提供可解释性的内容功能使用自我注意。我们使用在140，000首歌词上训练的自我关注流派分类模型提取歌词特征。同样，我们使用声学模型提取声学特征，其中自我注意力在120，000个声学信号的轨道上训练。实验结果表明，所提出的方法提供的特点是可解释的抒情和音乐的内容。我们通过可视化注意力权重以及呈现使用歌词或音频功能找到的最相似的歌曲来证明这一点。
2018-09-03 cs.IR cs.SD eess.AS
A Novel Audio Representation for Music Genre Identification in MIR
BITS Pilani WILP（印度博拉理工学院皮拉尼分校工作整合学习项目）；Eudoxia Research Centre（尤多西亚研究中心）；City of Dallas（达拉斯市政府）；CBRE Inc（世邦魏理仕公司）
本文针对MIR音乐流派识别任务，提出基于Jukebox深度向量量化的新型音频表示，并在2万曲目数据集上与梅尔频谱图对比，发现其效果并不优于梅尔频谱图。
2024-04-01 cs.IR cs.LG cs.SD
On the Complex Network Structure of Musical Pieces: Analysis of Some Use Cases from Different Music Genres
University of Bologna（博洛尼亚大学）
本文主要研究音乐旋律的网络建模。旋律的音符可以被视为网络的节点。每当音符按顺序演奏时，就会产生连接。我们分析了来自不同音乐流派的一些主要曲目，使用不同的乐器演奏的旋律。我们发现，所考虑的网络是，在一般情况下，无标度网络，并表现出小世界性质。我们测量的主要指标，并评估这些网络是否可以被认为是由子社区形成的。结果证实，可以从这种分析方法中提取的轨道的特有功能。这种方法可以在几个多媒体应用，如音乐教学，多媒体娱乐和数字音乐生成的影响。
2017-09-13 cs.MM cs.SD eess.AS
MMGenre: Benchmarking Singing Voice Synthesis across Multiple Musical Genres
Renmin University of China（中国人民大学）；Carnegie Mellon University（卡内基梅隆大学）
研究跨多种音乐流派的歌声合成泛化能力，引入MMGenre基准及自动管道，涵盖多流派。评估显示流派辨别有限，零样本改进小，特定流派持续训练有显著提升，为多流派SVS评估提供框架，揭示关键挑战。
2026-07-09 cs.SD
Dynamic Range Compression and Its Effect on Music Genre Classification
本文研究动态范围压缩对音乐流派分类的影响，通过在200首歌曲测试集上应用不同压缩设置，发现压缩可使SVM分类准确率平均提升3.1%，证明其可作为有效的预处理技术。
2024-10-17 cs.SD eess.AS
The Wiki Music dataset: A tool for computational analysis of popular music
Profilio Company s.r.l.
有没有可能使用算法来发现流行音乐历史上的趋势？是否有可能预测未来音乐流派的特征？为了回答这些问题，我们制作了一个手工制作的数据集，旨在将风格，心理学，社会学和类型学的特征放在一起，按音乐类型注释，并按时间和年代索引。我们从维基百科上收集了十年来流行的音乐类型列表，并根据维基百科的描述对音乐类型进行了评分。使用统计和机器学习技术，我们发现音乐偏好的趋势，并使用时间序列预测来评估对未来音乐流派的预测。
2019-08-27 cs.CL cs.CY cs.SD
Equipping Pretrained Unconditional Music Transformers with Instrument and Genre Controls
Duke University（杜克大学）；University of California San Diego（加利福尼亚大学圣迭戈分校）
本研究利用最大规模符号音乐数据集预训练无条件音乐Transformer，并提出通过微调加入控制token以赋予其乐器与流派控制能力，显著提升了生成音乐的可控性与质量。
2023-11-21 cs.IR cs.MM cs.SD
Learning to Fuse Music Genres with Generative Adversarial Dual Learning
Virginia Tech（弗吉尼亚理工学院）；Georgia Institute of Technology（佐治亚理工学院）
FusionGAN是一个用于音乐生成的新型流派融合框架，它集成了生成对抗网络和双重学习的优势。特别是，所提出的方法提供了一个双重的学习扩展，可以有效地整合给定领域的风格。为了有效地量化不同域之间的差异并避免消失梯度问题，FusionGAN提供了一个基于Wasserstein的度量来近似目标域和现有域之间的距离。采用Wasserstein距离，通过使用对抗学习组合现有域的模式来创建新域。在公共音乐数据集上的实验结果表明，该方法可以有效地合并两种类型。
2017-12-05 cs.AI cs.LG cs.MM
Transfer Learning for Underrepresented Music Generation
Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））；University of Alberta（阿尔伯塔大学）
本文提出组合创造力迁移学习方法，将大型音乐生成模型 MusicVAE 高效适配伊朗民间音乐这一 OOD 流派，为生成代表性不足音乐提供可行路径。
2023-06-01 cs.LG cs.SD eess.AS
Exploring the Emotional Landscape of Music: An Analysis of Valence Trends and Genre Variations in Spotify Music Data
Indian Institute of Technology, Madras（印度马德拉斯理工学院）
本文基于Spotify音频特征与效价分数，结合多种回归模型、时间分析、情绪转换和流派调查，揭示音乐情感模式及其随时间的演变规律。
2023-10-29 cs.AI cs.SD eess.AS
Music Genre Classification using Machine Learning Techniques
University of Waterloo（滑铁卢大学）
在音乐信息检索（MIR）领域，根据音乐文件的类型对其进行分类是一项具有挑战性的任务。在这项研究中，我们比较了两类模型的性能。第一种是深度学习方法，其中端到端地训练CNN模型，以仅使用其频谱图来预测音频信号的流派标签。第二种方法利用来自时域和频域的手工制作的特征。我们用这些特征训练了四种传统的机器学习分类器，并比较了它们的性能。确定了对这种多类分类任务贡献最大的功能。音频集数据集上进行的实验，我们报告的AUC值为0.894的集成分类器，它结合了这两种方法。
2018-04-03 cs.SD eess.AS
Genre Controlled Music Generation via Activation Steering
Indian Institute of Technology Madras（印度理工学院马德拉斯学院）
提出一种在推理时对自回归生成模型MusicGen进行干预的方法，利用线性探针权重引导残差流，实现细粒度的体裁控制。
2026-05-26 cs.AI cs.SD eess.AS
Genre Bias or Aesthetic Perception? Identifying and Mitigating Shortcut Learning in Music Evaluation
研究音乐评价模型中流派诱导的捷径学习问题，提出联合重新加权硬样本并规范化组级性能的训练目标，减少流派相关偏差，提高与人类偏好的一致性。
2026-07-16 cs.SD
Beyond Genre: Diagnosing Bias in Music Embeddings Using Concept Activation Vectors
本文利用概念激活向量检测四种音乐表征模型中性别、语言等歌手属性对流派嵌入的非预期影响，并提出基于概念向量操纵的事后去偏方法。
2025-09-29 cs.SD eess.AS
Lukthung Classification Using Neural Networks on Lyrics and Audios
Tencent (Thailand)（腾讯（泰国））；Chulalongkorn University（朱拉隆功大学）
音乐体裁分类是音乐信息检索中的一个重要研究课题。能够自动标记流派将有利于音乐流媒体服务提供商，如JOOX，Apple Music和Spotify，以实现基于内容的推荐。然而，大多数关于音乐分类的研究都是针对不同于泰国歌曲的西方歌曲。Lukthung是一种独特而悠久的泰国音乐类型，是泰国最受欢迎的音乐类型之一，拥有特定的听众群体。在本文中，我们开发了神经网络来分类这样的Lukthung体裁从其他使用的歌词和音频。Lukthung歌曲中使用的词语特别诗意，他们的音乐风格独特地由传统的泰国乐器组成。我们利用这两个主要特征，构建一个基于词袋（BoW）的歌词模型，以及一个使用卷积神经网络（CNN）架构的音频模型。然后，我们将从两个模型中学习到的中间特征进行聚合，以构建最终的分类器。我们的研究结果表明，建议的三个模型优于所有的标准分类器，其中组合模型产生最好的$F_1$得分为0.86，允许Lukthung分类适用于泰国观众的个性化推荐。
2019-10-23 cs.LG cs.SD eess.AS
Musical Genres: Beating to the Rhythms of Different Drums
National Institute of Science and Technology for Complex Systems（国家复杂系统科学技术研究所）
由于互联网和数字音频的快速增长，在线音乐数据库显著增加，这需要开发更快和更有效的音乐内容分析工具。音乐流派被广泛用于组织音乐收藏。在本文中，自动音乐流派分类的问题是通过探索从各自的复杂网络表示获得的基于节奏的功能。为了分析节奏符号事件的时间序列，建立了一个马尔可夫模型。通过使用两种多元统计方法进行特征分析：主成分分析（无监督）和线性判别分析（监督）。同样，两个分类器，以确定类别的节奏：参数贝叶斯分类器高斯假设（监督），和凝聚层次聚类（无监督）。通过Kappa系数和聚类得到的定性结果证实了该方法的有效性。
2009-11-19 cs.IR cs.SD physics.data-an
Can GAN originate new electronic dance music genres? -- Generating novel rhythm patterns using GAN with Genre Ambiguity Loss
Keio University（庆应义塾大学）
自从引入深度学习以来，研究人员已经提出了使用深度学习的内容生成系统，并证明它们能够生成令人信服的内容和艺术输出，包括音乐。然而，人们可以争辩说，这些基于深度学习的系统模仿和复制了人类创造的固有模式，而不是产生新的和创造性的东西。这篇论文关注音乐生成，特别是电子舞曲的节奏模式，并讨论我们是否可以使用深度学习来生成新的节奏，在训练数据集中找不到的有趣模式。我们扩展了生成对抗网络（GAN）的框架，并通过向框架中添加额外的分类器来鼓励它偏离数据集的固有分布。该论文表明，我们提出的GAN可以生成听起来像音乐节奏但不属于训练数据集中任何流派的节奏模式。源代码，生成的节奏模式，和一个流行的数字音频工作站软件的补充插件软件可在我们的网站上。
2020-11-25 cs.AI cs.SD
Bottom-up Broadcast Neural Network For Music Genre Classification
Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology（大连理工大学电子信息与电气工程学院）；School of Innovation and Entrepreneurship, Dalian University of Technology（大连理工大学创新创业学院）；Department of Functional R&D, JD（京东职能研发部）；College of Information Science and Technology, Dalian Maritime University（大连海事大学信息科学技术学院）
基于视觉表示的音乐类型识别在过去几年中已经得到了成功的探索。最近，人们对尝试卷积神经网络（CNN）来实现该任务的兴趣越来越大。然而，现有的方法大多采用图像识别中提出的成熟的CNN结构而不做任何修改，导致学习特征不足以用于音乐流派分类。针对这一问题，本文充分利用音频频谱图中的低层信息，提出了一种新的CNN结构。所提出的CNN架构考虑了长上下文信息，从而为决策层传递更合适的信息。在GTZAN、Ballroom和Extended Ballroom等基准数据集上的实验验证了所提出的神经网络的优良性能。代码和型号将在“ttps：//www.example.com“上提供。github.com/CaifengLiu/music-genre-classification
2019-01-24 cs.AI cs.SD eess.AS
A Study on Broadcast Networks for Music Genre Classification
Egypt-Japan University of Science and Technology（埃及-日本科学技术大学）；Waseda University（早稻田大学）
由于音乐流媒体/推荐服务需求的增加和音乐信息检索框架的最新发展，音乐类型分类（MGC）引起了社会的关注。然而，已知基于卷积的方法缺乏有效编码和定位时间特征的能力。在本文中，我们研究了基于广播的神经网络，旨在提高在一个小的参数集（约180 k）下的局部化和泛化能力，并研究了广播网络的12种变体，讨论了块配置，池化方法，激活函数，归一化机制，标签平滑，通道相互依赖性，LSTM块包含和初始方案的变体的影响。我们的计算实验使用相关的数据集，如GTZAN，扩展舞厅，HOMBURG，和免费音乐档案（FMA）显示国家的最先进的分类精度在音乐流派分类。我们的方法提供了见解和潜力，使紧凑和概括的广播网络的音乐和音频分类。
2022-08-25 cs.AI cs.MM cs.SD
GCDance: Genre-Controlled Music-Driven 3D Full Body Dance Generation
School of Computer Science and Electronic Engineering, University of Surrey（萨里大学计算机科学与电子工程学院）；Department of Music and Media, University of Surrey（萨里大学音乐与媒体系）；Department of Informatics, University of Oslo（奥斯陆大学信息学系）；Centre for Vision, Speech and Signal Processing, University of Surrey（萨里大学视觉、语音与信号处理中心）；School of Artificial Intelligence and Computer Science, Jiangnan University（江南大学人工智能与计算机科学学院）
本文提出GCDance框架，通过音乐和文本条件生成风格化的3D舞蹈，利用文本控制机制和音乐基础模型提升生成质量，实验验证其优于现有方法。
2025-09-29 cs.CV cs.GR cs.SD
Universal patterns in sound amplitudes of songs and music genres
Universidade Estadual de Maringá（马林加州立大学）；National Institute of Science and Technology for Complex Systems（国家复杂系统科学技术研究所）
我们报告了超过8000首歌曲的统计分析。具体来说，我们调查的概率分布的归一化的声音振幅。我们的研究结果似乎表明，一个普遍的形式的分布，提出了一个很好的协议与一个参数拉伸高斯。我们还认为，这个参数可以给音乐的复杂性的信息，因此它去分类歌曲以及音乐流派。此外，我们提出的统计证据，相关方面的歌曲直接与非高斯性质的声音振幅分布。
2010-12-01 cs.IR cs.SD physics.data-an
Reducing Barriers to the Use of Marginalised Music Genres in AI
University of the Arts London（伦敦艺术大学）；Central Conservatory of Music（中央音乐学院）
本文通过4个月国际研究，探索可解释AI在降低边缘化音乐流派使用障碍中的机遇，包括提升透明度、减少偏见等，并强调其增强文化代表性，现正构建国际负责任AI音乐社区。
2024-07-18 cs.AI cs.SD eess.AS
Multi-Modal Music Information Retrieval: Augmenting Audio-Analysis with Visual Computing for Improved Music Video Analysis
Vienna University of Technology（维也纳技术大学）
本论文将音频分析与计算机视觉相结合，从多模态的角度研究音乐信息检索（MIR）任务。本论文的重点是音乐视频的视觉层所提供的信息，以及如何利用它来增强和改进MIR研究领域的任务。这项工作的主要假设是基于这样一种观察，即某些表达类别，如体裁或主题，可以在视觉内容的基础上单独识别，而不需要听到声音。这导致了一个假设，即存在一种用于表达情绪或体裁的视觉语言。在进一步的结果中，可以得出结论，该视觉信息是音乐相关的，并且因此应该有益于对应的MIR任务，诸如音乐流派分类或情绪识别。本文针对视觉信息的提取及其在不同任务中的应用进行了一系列的综合实验和评价。创建自定义数据集，其适合于开发和测试能够表示音乐相关信息的视觉特征。评估范围从低级视觉特征到通过深度卷积神经网络检索的高级概念。此外，引入了新的视觉功能，捕捉有节奏的视觉模式。在所有这些实验中，基于音频的结果作为视觉和视听方法的基准。本实验针对三个MIR任务艺术家识别、音乐体裁分类和跨体裁分类进行。实验表明，利用视觉概念检测获得的高级语义信息的视听方法，优于纯音频类型分类准确率16.43%。
2020-02-01 cs.CV cs.IR cs.MM
End-to-End Musical Key Estimation Using a Convolutional Neural Network
Johannes Kepler University（约翰·开普勒大学）
我们提出了一个端到端的音乐键估计系统，基于卷积神经网络。所提出的系统不仅优于学术文献中提出的现有的关键估计方法，它也能够学习一个统一的模型，用于不同的音乐流派，执行专门针对特定流派的现有系统。我们的实验证实，不同的流派确实在他们的音调的解释不同，因此，一个系统调整，例如，流行音乐的电子音乐作品表现低于标准。他们还发现，这种跨流派的设置引起特定类型的错误（预测相对或平行小调）。然而，使用本文提出的数据驱动方法，我们可以训练模型，充分处理多种音乐风格，而不会在准确性上有重大损失。
2017-06-09 cs.LG cs.SD
Transforming Musical Signals through a Genre Classifying Convolutional Neural Network
University of Miami（迈阿密大学）
卷积神经网络（CNN）已成功应用于音乐相关任务的判别和生成建模。对于特定任务，训练的CNN包含表示决策或抽象过程的信息。人们可以希望基于这个“知情”网络来操纵现有的音乐，并根据网络获得的知识创建具有新特征的音乐。在本文中，我们提出了一种方法来利用存储的信息，从CNN训练的音乐流派分类任务。该网络由三个卷积层组成，并经过训练将五秒的歌曲片段分为五种不同的类型。在训练之后，通过最大化来自网络层的输出的总和来修改随机选择的剪辑。除了这种CNN产生有趣的音频转换的潜力之外，还可以从生成的特征的分析中获得关于网络和原始音乐的更多信息，因为这些特征指示网络如何“理解”音乐。
2017-06-29 cs.LG cs.MM cs.NE
