ترجمه فارسی مقاله از این بهتر! ردیابی دقیق ضربان بدون پردازش DBN

چکیده

We propose a system for tracking beats and downbeats with two objectives: generality across a diverse music range, and high accuracy. We achieve generality by training on multiple datasets — including solo instrument recordings, pieces with time signature changes, and classical music with high tempo variations — and by removing the commonly used Dynamic Bayesian Network (DBN) postprocessing, which introduces constraints on the meter and tempo. For high accuracy, among other improvements, we develop a loss function tolerant to small time shifts of annotations, and an architecture alternating convolutions with transformers either over frequency or time. Our system surpasses the current state of the art in F1 score despite using no DBN. However, it can still fail, especially for difficult and underrepresented genres, and performs worse on continuity metrics, so we publish our model, code, and preprocessed datasets, and invite others to beat this.

چکیده به فارسی (ترجمه ماشینی)

ما سیستمی را برای ردیابی ضربان ها و ضربات با دو هدف پیشنهاد می کنیم: کلی بودن در یک محدوده موسیقی متنوع و دقت بالا.ما با آموزش روی مجموعه داده های متعدد – از جمله ضبط های ابزار انفرادی ، قطعات با تغییر امضای زمان و موسیقی کلاسیک با تغییرات سرعت بالا – و با حذف پردازش شبکه دینامیکی بیزی (DBN) که محدودیت هایی را در کنتور ارائه می دهد ، به کلییت می رسیم ، که محدودیت هایی را در کنتور ارائه می دهد.و سرعتبرای دقت بالا ، از جمله پیشرفت های دیگر ، ما یک عملکرد از دست دادن تحمل در برابر تغییر زمان کوچک حاشیه نویسی ، و یک معماری متناوب با ترانسفورماتورها را بیش از فرکانس یا زمان ایجاد می کنیم.سیستم ما با وجود استفاده از DBN از وضعیت فعلی هنر در نمره F1 پیشی می گیرد.با این حال ، هنوز هم می تواند شکست بخورد ، به خصوص برای ژانرهای دشوار و کم نماینده ، و در معیارهای پیوستگی بدتر عمل می کند ، بنابراین ما مدل ، کد و مجموعه داده های از پیش پردازش شده خود را منتشر می کنیم و دیگران را به ضرب و شتم دعوت می کنیم.