Un modèle discriminant faiblement supervisé pour l'alignement audio-score.

Résumé Dans cet article, nous considérons une nouvelle approche discriminante du problème de l'alignement audio vers la partition. Nous considérons les deux informations distinctes fournies par les partitions musicales : (i) une liste ordonnée exacte des événements musicaux et (ii) une information préalable approximative sur la durée relative des événements. Nous étendons l'algorithme de base de déformation temporelle dynamique à un problème convexe qui apprend des classificateurs optimaux pour tous les événements tout en alignant conjointement les fichiers, en utilisant uniquement cette supervision faible. Nous montrons que la durée relative entre les événements peut être facilement utilisée comme une pénalisation de notre fonction de coût et nous permet d'améliorer considérablement les performances de notre approche. Nous démontrons la validité de notre approche sur un jeu de données large et réaliste.