Create with AI
📄

ドラムパターンとメロディの生成 - Artificial Neural Networks Jamming on the Beat

Entry
ドラムパターンとメロディの生成 - Artificial Neural Networks Jamming on the Beat
Simple Title
Tikhonov, A., & Yamshchikov, I. (2021, July 13). Artificial Neural Networks Jamming on the Beat. 37–44. https://doi.org/10.5220/0010461200370044
Description
リズムパターンのデータセットもあわせて公開。
Type
Paper
Year
2021
Posted at
June 1, 2021
Tags
music
Arxiv
https://arxiv.org/abs/2007.06284
GitHub
https://github.com/altsoph/drum space
Project Page
https://github.com/altsoph/drum space

リズムの
リズムの潜在空間へのマッピング。ジャンルごとに集まっているのが見える

Overview - 何がすごい?

Abstract

This paper addresses the issue of long-scale correlations that is characteristic for symbolic music and is a challenge for modern generative algorithms. It suggests a very simple workaround for this challenge, namely, generation of a drum pattern that could be further used as a foundation for melody generation. The paper presents a large dataset of drum patterns alongside with corresponding melodies. It explores two possible methods for drum pattern generation. Exploring a latent space of drum patterns one could generate new drum patterns with a given music style. Finally, the paper demonstrates that a simple artificial neural network could be trained to generate melodies corresponding with these drum patters used as inputs. Resulting system could be used for end-to-end generation of symbolic music with song-like structure and higher long-scale correlations between the notes.

Motivation

  • ドラムとメロディがセットになったデータセットがあれば、ドラムを生成するだけでなく、ドラムのパターンからメロディーも生成できるのでは

Dataset

  • 14のドラムの種類(キック、スネア...) ✖️ 16部音符単位で2小節 (32ステップ)のマトリクスで表現
リズムのマトリクス表現
リズムのマトリクス表現

Architecture

  • リズムパターンの埋め込み表現
    • Autoencoder, VAE, ACAIの三つのモデルを試す (下の図の smoothingにあたる部分)
    • 潜在ベクトルの次元数は4としている。
    • レイヤーはシンプルなfeedforward + ReLU
リズムの潜在空間
リズムの潜在空間

  • リズムからメロディーの生成モデル
    • メロディーを演奏する楽器、トーン(??)、オクターブを指定する埋め込みベクトルとドラムパターンから、メロディーを生成する
リズムからメロディーの生成モデル
リズムからメロディーの生成モデル

Results

  • 学習したモデルでリズムパターンを潜在空間にマッピング
    • 四次元の潜在ベクトルを2次元にt-SNEで落とし込むことで二次元のマッピングができた。
リズムの潜在空間
リズムの潜在空間

  • 学習したVAE, Autoencoder, ACAIのモデルの潜在空間でサンプリング
  • 生成されたドラムパターン

  • ランダムに生成したリズムを学習データを集めた時の前処理でフィルタした時にどのくらい残るかを確認
    • 学習データに使ったパターン(Empirical patterns)が高いのはもちろんのこと、次にACAIが良い結果に。VAEが良くないのは意外。
生成したリズムをフィルタした結果
生成したリズムをフィルタした結果

Further Thoughts

  • 論文の書き方は割と雑...
  • ドラムから生成したメロディーの例を探したのだけど... 公開してない？
  • ACAIについて理解できてないので次に読む

Links

今回の研究用に集めたリズムのデータセット

データセットの中のリズムパターンを学習済みモデルで潜在空間にマッピングしたインタラクティブな可視化