Buchumschlag

Descriptor-Injected Cross-Modal Learning: A Systematic Exploration of Audio-MIDI Alignment via Spectral and Melodic Features

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Méndez, Mariano Fernández
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Sound Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Annotation-Free MIDI-to-Audio Synthesis via Concatenative Synthesis and Generative Refinement
von: Take, Osamu, et al.
Veröffentlicht: (2024)

Aria-MIDI: A Dataset of Piano MIDI Files for Symbolic Music Modeling
von: Bradshaw, Louis, et al.
Veröffentlicht: (2025)

Learning Interpretable Features in Audio Latent Spaces via Sparse Autoencoders
von: Paek, Nathan, et al.
Veröffentlicht: (2025)

PianoCoRe: Combined and Refined Piano MIDI Dataset
von: Borovik, Ilya
Veröffentlicht: (2026)

Investigating Modality Contribution in Audio LLMs for Music
von: Morais, Giovana, et al.
Veröffentlicht: (2025)

Hierarchical Generative Modeling of Melodic Vocal Contours in Hindustani Classical Music
von: Shikarpur, Nithya, et al.
Veröffentlicht: (2024)

Omni-DeepSearch: A Benchmark for Audio-Driven Omni-Modal Deep Search
von: Yu, Tao, et al.
Veröffentlicht: (2026)

Preference-Based Learning in Audio Applications: A Systematic Analysis
von: Broukhim, Aaron, et al.
Veröffentlicht: (2025)

Unleashing the Power of Natural Audio Featuring Multiple Sound Sources
von: Cheng, Xize, et al.
Veröffentlicht: (2025)

End-to-end Piano Performance-MIDI to Score Conversion with Transformers
von: Beyer, Tim, et al.
Veröffentlicht: (2024)

Cascaded Cross-Modal Transformer for Audio-Textual Classification
von: Ristea, Nicolae-Catalin, et al.
Veröffentlicht: (2024)

Echo: Towards Advanced Audio Comprehension via Audio-Interleaved Reasoning
von: Wu, Daiqing, et al.
Veröffentlicht: (2026)

AV-Link: Temporally-Aligned Diffusion Features for Cross-Modal Audio-Video Generation
von: Haji-Ali, Moayed, et al.
Veröffentlicht: (2024)

Towards Trustworthy Audio Deepfake Detection: A Systematic Framework for Diagnosing and Mitigating Gender Bias
von: Fursule, Aishwarya, et al.
Veröffentlicht: (2026)

Cross-Modal Binary Attention: An Energy-Efficient Fusion Framework for Audio-Visual Learning
von: Saleh, Mohamed, et al.
Veröffentlicht: (2026)

PairAlign: A Framework for Sequence Tokenization via Self-Alignment with Applications to Audio Tokenization
von: Banerjee, Adhiraj, et al.
Veröffentlicht: (2026)

MidiCaps: A large-scale MIDI dataset with text captions
von: Melechovsky, Jan, et al.
Veröffentlicht: (2024)

Cross-Attention with Confidence Weighting for Multi-Channel Audio Alignment
von: Nihal, Ragib Amin, et al.
Veröffentlicht: (2025)

PACE: Pretrained Audio Continual Learning
von: Li, Chang, et al.
Veröffentlicht: (2026)

On the de-duplication of the Lakh MIDI dataset
von: Choi, Eunjin, et al.
Veröffentlicht: (2025)

Explainable Multi-Modal Deep Learning for Automatic Detection of Lung Diseases from Respiratory Audio Signals
von: Saky, S M Asiful Islam, et al.
Veröffentlicht: (2025)

MIDI-GPT: A Controllable Generative Model for Computer-Assisted Multitrack Music Composition
von: Pasquier, Philippe, et al.
Veröffentlicht: (2025)

Composer's Assistant 2: Interactive Multi-Track MIDI Infilling with Fine-Grained User Control
von: Malandro, Martin E.
Veröffentlicht: (2024)

How to Label Resynthesized Audio: The Dual Role of Neural Audio Codecs in Audio Deepfake Detection
von: Xiao, Yixuan, et al.
Veröffentlicht: (2026)

ADNAC: Audio Denoiser using Neural Audio Codec
von: Jimon, Daniel, et al.
Veröffentlicht: (2025)

Prototypical Contrastive Learning For Improved Few-Shot Audio Classification
von: Sgouropoulos, Christos, et al.
Veröffentlicht: (2025)

Coherent Audio-Visual Editing via Conditional Audio Generation Following Video Edits
von: Ishii, Masato, et al.
Veröffentlicht: (2025)

Audio Deepfake Detection with Half-Truth Localisation Using Cross-Attentive Feature Fusion
von: Sutharya, S., et al.
Veröffentlicht: (2026)

Zero-Shot Audio-Visual Editing via Cross-Modal Delta Denoising
von: Lin, Yan-Bo, et al.
Veröffentlicht: (2025)

AudioMosaic: Contrastive Masked Audio Representation Learning
von: Huang, Hanxun, et al.
Veröffentlicht: (2026)

Lightweight Joint Audio-Visual Deepfake Detection via Single-Stream Multi-Modal Learning Framework
von: Zhang, Kuiyuan, et al.
Veröffentlicht: (2025)

Virtual Consistency for Audio Editing
von: Cervera, Matthieu, et al.
Veröffentlicht: (2025)

Improving Out-of-Domain Audio Deepfake Detection via Layer Selection and Fusion of SSL-Based Countermeasures
von: Serrano, Pierre, et al.
Veröffentlicht: (2025)

Segmentwise Pruning in Audio-Language Models
von: Gibier, Marcel, et al.
Veröffentlicht: (2025)

Adapting Neural Audio Codecs to EEG
von: Kastrati, Ard, et al.
Veröffentlicht: (2025)

Just Label the Repeats for In-The-Wild Audio-to-Score Alignment
von: Bukey, Irmak, et al.
Veröffentlicht: (2024)

Real-Time Voicemail Detection in Telephony Audio Using Temporal Speech Activity Features
von: Saurav, Kumar
Veröffentlicht: (2026)

APEX: Audio Prototype EXplanations for Classification Tasks
von: Kawa, Piotr, et al.
Veröffentlicht: (2026)

Audio Super-Resolution with Latent Bridge Models
von: Li, Chang, et al.
Veröffentlicht: (2025)

Audio-to-Image Bird Species Retrieval without Audio-Image Pairs via Text Distillation
von: Moummad, Ilyass, et al.
Veröffentlicht: (2026)