Buchumschlag

Cluster and Separate: a GNN Approach to Voice and Staff Prediction for Score Engraving

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Foscarin, Francesco, Karystinaios, Emmanouil, Nakamura, Eita, Widmer, Gerhard
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Audio and Speech Processing Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Perception-Inspired Graph Convolution for Music Understanding Tasks
von: Karystinaios, Emmanouil, et al.
Veröffentlicht: (2024)

SMUG-Explain: A Framework for Symbolic Music Graph Explanations
von: Karystinaios, Emmanouil, et al.
Veröffentlicht: (2024)

EngravingGNN: A Hybrid Graph Neural Network for End-to-End Piano Score Engraving
von: Karystinaios, Emmanouil, et al.
Veröffentlicht: (2025)

GraphMuse: A Library for Symbolic Music Graph Processing
von: Karystinaios, Emmanouil, et al.
Veröffentlicht: (2024)

Multi-Stage Music Source Restoration with BandSplit-RoFormer Separation and HiFi++ GAN
von: Morocutti, Tobias, et al.
Veröffentlicht: (2026)

Beat this! Accurate beat tracking without DBN postprocessing
von: Foscarin, Francesco, et al.
Veröffentlicht: (2024)

Exploring Performance-Complexity Trade-Offs in Sound Event Detection Models
von: Morocutti, Tobias, et al.
Veröffentlicht: (2025)

On Temporal Guidance and Iterative Refinement in Audio Source Separation
von: Morocutti, Tobias, et al.
Veröffentlicht: (2025)

Facing the Music: Tackling Singing Voice Separation in Cinematic Audio Source Separation
von: Watcharasupat, Karn N., et al.
Veröffentlicht: (2024)

WeaveMuse: An Open Agentic System for Multimodal Music Understanding and Generation
von: Karystinaios, Emmanouil
Veröffentlicht: (2025)

Device-Robust Acoustic Scene Classification via Impulse Response Augmentation
von: Morocutti, Tobias, et al.
Veröffentlicht: (2023)

Language Models for Music Medicine Generation
von: Nikolakakis, Emmanouil, et al.
Veröffentlicht: (2024)

A Knowledge-Driven Approach to Music Segmentation, Music Source Separation and Cinematic Audio Source Separation
von: Ho, Chun-wei, et al.
Veröffentlicht: (2026)

Audio-JEPA: Joint-Embedding Predictive Architecture for Audio Representation Learning
von: Tuncay, Ludovic, et al.
Veröffentlicht: (2025)

Sounding Out Reconstruction Error-Based Evaluation of Generative Models of Expressive Performance
von: Peter, Silvan David, et al.
Veröffentlicht: (2023)

AFEN: Respiratory Disease Classification using Ensemble Learning
von: Nadkarni, Rahul, et al.
Veröffentlicht: (2024)

MeanVoiceFlow: One-step Nonparallel Voice Conversion with Mean Flows
von: Kaneko, Takuhiro, et al.
Veröffentlicht: (2026)

FastVoiceGrad: One-step Diffusion-Based Voice Conversion with Adversarial Conditional Diffusion Distillation
von: Kaneko, Takuhiro, et al.
Veröffentlicht: (2024)

FasterVoiceGrad: Faster One-step Diffusion-Based Voice Conversion with Adversarial Diffusion Conversion Distillation
von: Kaneko, Takuhiro, et al.
Veröffentlicht: (2025)

Mitigating Unauthorized Speech Synthesis for Voice Protection
von: Zhang, Zhisheng, et al.
Veröffentlicht: (2024)

CMI-Bench: A Comprehensive Benchmark for Evaluating Music Instruction Following
von: Ma, Yinghao, et al.
Veröffentlicht: (2025)

The T05 System for The VoiceMOS Challenge 2024: Transfer Learning from Deep Image Classifier to Naturalness MOS Prediction of High-Quality Synthetic Speech
von: Baba, Kaito, et al.
Veröffentlicht: (2024)

Soft Clustering Anchors for Self-Supervised Speech Representation Learning in Joint Embedding Prediction Architectures
von: Ioannides, Georgios, et al.
Veröffentlicht: (2026)

Unsupervised Rhythm and Voice Conversion to Improve ASR on Dysarthric Speech
von: Hajal, Karl El, et al.
Veröffentlicht: (2025)

Unsupervised Rhythm and Voice Conversion of Dysarthric to Healthy Speech for ASR
von: Hajal, Karl El, et al.
Veröffentlicht: (2025)

HyWA: Hypernetwork Weight Adapting Personalized Voice Activity Detection
von: Nejad, Mahsa Ghazvini, et al.
Veröffentlicht: (2025)

CoMoSVC: Consistency Model-based Singing Voice Conversion
von: Lu, Yiwen, et al.
Veröffentlicht: (2024)

Prompt-Singer: Controllable Singing-Voice-Synthesis with Natural Language Prompt
von: Wang, Yongqi, et al.
Veröffentlicht: (2024)

Personalized Speech Enhancement Without a Separate Speaker Embedding Model
von: Pärnamaa, Tanel, et al.
Veröffentlicht: (2024)

A Conditioned UNet for Music Source Separation
von: O'Hanlon, Ken, et al.
Veröffentlicht: (2025)

CosyVoice 2: Scalable Streaming Speech Synthesis with Large Language Models
von: Du, Zhihao, et al.
Veröffentlicht: (2024)

Blind Separation of Vibration Sources using Deep Learning and Deconvolution
von: Makienko, Igor, et al.
Veröffentlicht: (2024)

Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature
von: Vrba, Jan, et al.
Veröffentlicht: (2024)

Training-Free Multi-Step Audio Source Separation
von: Zang, Yongyi, et al.
Veröffentlicht: (2025)

AnyEnhance: A Unified Generative Model with Prompt-Guidance and Self-Critic for Voice Enhancement
von: Zhang, Junan, et al.
Veröffentlicht: (2025)

Text-Queried Audio Source Separation via Hierarchical Modeling
von: Yin, Xinlei, et al.
Veröffentlicht: (2025)

What Counts as Real? Speech Restoration and Voice Quality Conversion Pose New Challenges to Deepfake Detection
von: Satish, Shree Harsha Bokkahalli, et al.
Veröffentlicht: (2026)

A Data-Driven Diffusion-based Approach for Audio Deepfake Explanations
von: Grinberg, Petr, et al.
Veröffentlicht: (2025)

Neural Blind Source Separation and Diarization for Distant Speech Recognition
von: Bando, Yoshiaki, et al.
Veröffentlicht: (2024)

Improving Generalization of Speech Separation in Real-World Scenarios: Strategies in Simulation, Optimization, and Evaluation
von: Chen, Ke, et al.
Veröffentlicht: (2024)