[論文レビュー] madmom: a new Python Audio and Music Signal Processing Library

Sebastian Böck, Filip Korzeniowski+3 more|arXiv (Cornell University)|May 23, 2016

Music and Audio Processing被引用数 17

ひとこと要約

この論文では、低レベルの特徴抽出、ハイレベルな音楽解析、機械学習技術を統合した包括的で使いやすいフレームワークを提供する、オープンソースのPythonライブラリmadmomを紹介する。迅速なプロトタイピングと再現可能性を重視して設計されており、madmomはプロトタイプをマルチコアで実行可能でシリアル化可能な処理パイプラインに容易に変換でき、オンセット検出、ビートトラッキング、テンポ推定、ピアノ楽譜変換といったタスクで最先端の性能を発揮する。

ABSTRACT

In this paper, we present madmom, an open-source audio processing and music information retrieval (MIR) library written in Python. madmom features a concise, NumPy-compatible, object oriented design with simple calling conventions and sensible default values for all parameters, which facilitates fast prototyping of MIR applications. Prototypes can be seamlessly converted into callable processing pipelines through madmom's concept of Processors, callable objects that run transparently on multiple cores. Processors can also be serialised, saved, and re-run to allow results to be easily reproduced anywhere. Apart from low-level audio processing, madmom puts emphasis on musically meaningful high-level features. Many of these incorporate machine learning techniques and madmom provides a module that implements some in MIR commonly used methods such as hidden Markov models and neural networks. Additionally, madmom comes with several state-of-the-art MIR algorithms for onset detection, beat, downbeat and meter tracking, tempo estimation, and piano transcription. These can easily be incorporated into bigger MIR systems or run as stand-alone programs.

研究の動機と目的

• 音楽情報検出（MIR）分野において、低レベルの音声特徴、ハイレベルな音楽解析、機械学習コンponentsを統合した包括的で包括的なライブラリの不足を解消すること。

提案手法

• 効率的な配列処理とメタデータ管理のため、NumPyのndarrayを継承したデータクラスを用いたオブジェクト指向設計を実装。

実験結果

リサーチクエスチョン

• RQ1 統合的かつ拡張可能なソフトウェアフレームワークは、MIRアプリケーションの開発とデプロイをどのように簡素化できるか？

主な発見

• madmomは、オンセット検出（MIREX 2013で1位）、ビートトラッキング（MIREX 2015で1位）、テンポ推定（MIREX 2015で1位）を含む、複数のMIRタスクで最先端の性能を発揮する。