用于音乐结构分析的深度音频嵌入的无监督评估

音乐结构分析 (MSA) 旨在揭示音乐作品的高级组织。最先进的方法通常基于监督深度学习，但这些方法因需要大量注释数据和固有的结构模糊性而受到瓶颈。在本文中，我们提出了在 MSA 上对九个开源通用预训练深度音频模型进行无监督评估。对于每个模型，我们提取条状嵌入并使用三种无监督分割算法（Foote 棋盘核、谱聚类和相关块匹配 (CBM)）对它们进行分割，专门关注边界检索。我们的结果表明，现代的通用深度嵌入通常优于传统的基于频谱图的基线，但并不系统。此外，我们的无监督边界估计方法通常比最近的线性探测基线产生更强的性能。在评估的技术中，CBM 算法始终是最有效的下游分割方法。最后，我们强调标准评估指标的人为膨胀，并主张系统地采用“修剪”，甚至“双重修剪”注释，以建立更严格的 MSA 评估标准。