ترجمه فارسی مقاله Stem-JEPA: یک معماری پیش‌بینی‌کننده با جاسازی مشترک برای تخمین سازگاری ساقه موسیقی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Stem-JEPA: A Joint-Embedding Predictive Architecture for Musical Stem Compatibility Estimation
عنوان مقاله به فارسی Stem-JEPA: یک معماری پیش‌بینی‌کننده با جاسازی مشترک برای تخمین سازگاری ساقه موسیقی
نویسندگان Alain Riou, Stefan Lattner, Gaëtan Hadjeres, Michael Anslow, Geoffroy Peeters
فرمت مقاله انگلیسی PDF
تعداد صفحات 9
دسته بندی موضوعات Sound,Machine Learning,Audio and Speech Processing,صدا , یادگیری ماشین , پردازش صوتی و گفتار ,
توضیحات Submitted 5 August, 2024; originally announced August 2024. , Comments: Proceedings of the 25th International Society for Music Information Retrieval Conference, ISMIR 2024
توضیحات به فارسی ارسال شده در 5 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: مجموعه مقالات بیست و پنجمین کنفرانس بازیابی اطلاعات موسیقی بین المللی ، Ismir 2024

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 360,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This paper explores the automated process of determining stem compatibility by identifying audio recordings of single instruments that blend well with a given musical context. To tackle this challenge, we present Stem-JEPA, a novel Joint-Embedding Predictive Architecture (JEPA) trained on a multi-track dataset using a self-supervised learning approach. Our model comprises two networks: an encoder and a predictor, which are jointly trained to predict the embeddings of compatible stems from the embeddings of a given context, typically a mix of several instruments. Training a model in this manner allows its use in estimating stem compatibility - retrieving, aligning, or generating a stem to match a given mix - or for downstream tasks such as genre or key estimation, as the training paradigm requires the model to learn information related to timbre, harmony, and rhythm. We evaluate our model's performance on a retrieval task on the MUSDB18 dataset, testing its ability to find the missing stem from a mix and through a subjective user study. We also show that the learned embeddings capture temporal alignment information and, finally, evaluate the representations learned by our model on several downstream tasks, highlighting that they effectively capture meaningful musical features.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله به بررسی فرآیند خودکار تعیین سازگاری STEM با شناسایی ضبط های صوتی سازهای منفرد که به خوبی با یک زمینه موسیقی خاص ترکیب می شوند ، می پردازد.برای مقابله با این چالش ، ما STEM-JEPA را ارائه می دهیم ، یک معماری جدید پیش بینی کننده تعبیه شده مشترک (JEPA) که با استفاده از یک رویکرد یادگیری خود سنج در یک مجموعه داده چند ردی آموزش دیده است.مدل ما شامل دو شبکه است: یک رمزگذار و یک پیش بینی کننده ، که به طور مشترک برای پیش بینی تعبیه ساقه های سازگار از تعبیه یک زمینه معین ، به طور معمول ترکیبی از چندین ابزار آموزش داده می شوند.آموزش یک مدل به این روش امکان استفاده از آن را در برآورد سازگاری ساقه - بازیابی ، تراز کردن یا تولید ساقه برای مطابقت با یک ترکیب معین - یا برای کارهای پایین دست مانند ژانر یا تخمین کلیدی ، فراهم می کند ، زیرا الگوی آموزش نیاز به مدل برای یادگیری اطلاعات داردبه Timbre ، Harmony و Rhythm.ما عملکرد مدل خود را در یک کار بازیابی در مجموعه داده MUSDB18 ارزیابی می کنیم و توانایی آن را در یافتن ساقه گمشده از یک ترکیب و از طریق یک مطالعه کاربر ذهنی آزمایش می کنیم.ما همچنین نشان می دهیم که تعبیهات آموخته شده اطلاعات تراز زمانی را ضبط می کنند و در آخر ، بازنمایی های آموخته شده توسط مدل ما را در چندین کار پایین دست ارزیابی می کنند و برجسته می کنند که آنها به طور مؤثر ویژگی های موسیقی معنی دار را ضبط می کنند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.