PIAST：一个包含音频、符号和文本的多模态钢琴数据集
PIAST: A Multimodal Piano Dataset with Audio, Symbolic and Text
- Graduate School of Culture Technology, KAIST（韩国科学技术院文化技术研究生院）
- NCSOFT（NCSoft公司）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
针对钢琴独奏音乐缺乏文本标签数据集的问题，构建了包含音频、符号和文本的多模态钢琴数据集PIAST，并验证了其在音乐标签与检索任务中的基线性能。
AI中文摘要：
虽然钢琴音乐已成为音乐信息检索（MIR）领域的重要研究方向，但目前明显缺乏带有文本标签的钢琴独奏音乐数据集。为解决这一空白，我们提出了PIAST（包含音频、符号和文本的钢琴数据集），一个钢琴音乐数据集。利用针对钢琴的语义标签分类体系，我们从YouTube收集了9,673首曲目，并由音乐专家为2,023首曲目添加了人工标注，从而形成两个子集：PIAST-YT和PIAST-AT。两个子集均包含音频、文本、标签注释以及利用最先进的钢琴转录和节拍跟踪模型转录的MIDI数据。在该多模态数据集的众多可能任务中，我们使用音频和MIDI数据进行了音乐标签分类和检索，并报告了基线性能，以展示其作为MIR研究宝贵资源的潜力。
英文摘要：
While piano music has become a significant area of study in Music Information Retrieval (MIR), there is a notable lack of datasets for piano solo music with text labels. To address this gap, we present PIAST (PIano dataset with Audio, Symbolic, and Text), a piano music dataset. Utilizing a piano-specific taxonomy of semantic tags, we collected 9,673 tracks from YouTube and added human annotations for 2,023 tracks by music experts, resulting in two subsets: PIAST-YT and PIAST-AT. Both include audio, text, tag annotations, and transcribed MIDI utilizing state-of-the-art piano transcription and beat tracking models. Among many possible tasks with the multi-modal dataset, we conduct music tagging and retrieval using both audio and MIDI data and report baseline performances to demonstrate its potential as a valuable resource for MIR research.
