跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020
原标题:跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声 | CVPR 2020
金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
见识过「听歌识曲」,体验过 看弹奏动作识曲吗?
就像最近的一档综艺节目中,郎朗比划了几个弹钢琴的动作,他媳妇 (吉娜·爱丽丝)秒答:《柴可夫斯基第一协奏曲》!
来自华盛顿大学的研究团队提出了一种新方法 Audeo,就解锁如此神奇的操作——仅仅根据钢琴师弹奏时的动作,就能直接复现原声音乐。
先来体验下这种神奇的感觉。
下面便是钢琴师演奏时的动图,我们能看到的,仅仅就是手指在钢琴键盘上的变换。
然后,你知道这是哪首曲子吗?
大部分人 (或许郎朗级别的大神们可以)应该是猜不到的。
但AI可以,下面便是这项技术复现的原声音乐。
那么,这般神奇的操作是怎么实现的呢?
三步实现「看动作识音乐」
简单来说,Audeo方法主要包括三大步骤,分别是:
- 钢琴按键检测
- 生成乐谱内容
- 合成音乐
钢琴按键检测
这个步骤可以理解为一个多标签 (multi一label )分类问题。
输入是弹钢琴视频中5个连续的帧,将它们输入到 Video2Roll Net中,经过ResNet18、特征变换、特征细化 (refinement)和相关学习的处理,最后 输出中间帧的按键预测。
值得注意的是,在这个步骤中,研究人员没有直接使用ResNet18,而是在此基础上做了算法改良,提出了Video2Roll Net。
这样做的原因很简单,就是ResNet18检测到的「精度」不够细致,下面2张热力图的对比,便一目了然地展示了2种方法的效果。
生成乐谱内容
在第二个步骤中,就需要将 Roll 转换为 Midi (乐器数字接口),以便合成音乐。
但在上步生成出来的 roll ,没办法直接转换成 Midi,一个至关重要的原因就是—— Roll 不包含 时间信息。
此外,由于 Midi 比较依赖音频流,所以经常出现的一个现象就是:演奏者按一个钢琴键的时间较长时,相应频率的幅度会逐渐衰减为零,也就是在 Midi 中会被标记为零。
像下面这张图中显示的那样,就会造成 不匹配的现象。
并且,研究人员表示:
这种不匹配的现象,是经常发生的。
于是,研究人员便提出了一个叫 Roll2Midi Net的方法解决了这个问题。
主要是在二者之间加入了一个生成对抗网络 (GAN),来调节并解决上述问题。
合成音乐
最后一步,就是根据调节好的 Midi 来生成音乐,主要过程如下图所示。
将 Midi 作为输入,经过一个上采样,而后可以选择通过「Midi 合成器软件」,也可以选择使用「PerfNet+Unet+GriffinLim」的组合方式来生成音乐。
至于 Audeo 方法与其它方法的定量比较,主要集中在第二个核心步骤。
可以明显看到,研究人员在第二步骤中提出来的 Roll2Midi Net方法,在各项评测指标中,都具有一定优势。
合成音乐还可以转换成别的乐器
当然,Audeo 除了精准复现视频中的钢琴音乐外,还有一个更有意思的玩法。
它可以将钢琴原声,转换成 其他乐器的声音。
例如,可以将钢琴音乐转换成 吉他的声音。
还可以将钢琴音乐转换成日本 十三弦古筝的声音。
这个有趣的玩法,主要得益于「合成音乐」这个步骤,选择的方法不同,得到的结果便不同。
研究团队
这项研究由华盛顿大学的 三位研究人员共同完成,研究还入围了本届CVPR。
△从左至右:Kun Su、Xiulong Liu和Eli Shlizerman
论文一作是Kun Su,本科就读于美国纽约州伦斯勒理工大学 (RPI),目前在华盛顿大学攻读电子与计算机工程系攻读硕士。
△Kun Su
研究的另一位作者是Xiulong Liu,本科在上交大就读,硕士毕业于华盛顿大学,目前在OneClick.ai 担任数据科学家。
△Xiulong Liu
论文最后一位作者是Eli Shlizerman,华盛顿大学应用数学及电子与计算机工程助理教授。
目前专攻生物神经网络和人工神经网络的基本特性,通过结合时空数据分析、机器学习和动力系统理论的方法将这两个系统联系起来。
△Eli Shlizerman
那么问题来了,如果以郎朗的手速弹奏钢琴,这个AI的效果还会如此惊艳吗?
论文地址:
https://arxiv.org/abs/2006.14348
作者系网易新闻·网易号“各有态度”签约作者
— 完—
深入解析OceanBase数据库 | 免费报名
在阿里体系内,OceanBase数据库支撑了 支付宝、网商银行等重要业务,已成为世界领先的数据库产品。那么其背后有哪些核心技术?
7月2号第三期直播, 蚂蚁集团OceanBase数据库资深专家--韩富晟(颜然)将介绍数据库发展演进历史,并深入解析OceanBase实现数据库的机制。
扫码报名,可加入直播交流群,还可获取系列课程直播回放、分享PPT:
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !
相关文章
-
尴尬!Google搜索现在也会“千人千面”了,退出登录也一样
-
微信显示“对方正在输入”,在这种情况下才会出现,原因还挺无奈
-
加班996、生病ICU,中国程序员加班严重的原因找到了!
-
智能投顾风口已至解决投资者信任问题成行业发展关键
-
“钱景”没了?莫慌,内容创业还有七大红利
-
最前线|港股火热,中概股携程、网易、百度或归港二次上市
-
发布会上一款硬件都没!苹果是要“山寨”腾讯的节奏?
-
个人防护是否到位?看图自查→
-
波点音乐日活翻番,新一代音乐APP即将崛起?
-
360投资哪吒汽车29亿元,持股占比超16%
-
宏光半导体(06908.HK):与GaNSystems于互联网数据中心电力基础设施进行首次公开氮化镓的行业实地试验
-
数字电视怎样接收地面波电视信号
-
今日头条小程序被下架,微信官方回应;接投诉30多起,杭州立案调查有赞公司「996工作制」;苹果为FaceTime漏洞公开道歉,下周推出更新程序
-
【Facebook遭广告商集体抵制扎克伯格资产骤减72亿美元】
-
台式电脑主机里的显卡在什么位置
-
猪年十大趋势:支付宝用户超微信,京东百度等复苏
-
科技周报:抖音将开放15分钟权限;传阿里巴巴将香港IPO推迟到10月
-
【钛晨报】猎豹回应“监听”用户电话:我们不会,也不可能
-
纷纷给“鸡贼”特斯拉上课,抗疫大战中的车企众生相之三
-
华为手机三包包括哪些
-
Uber增聘美银、巴克莱等6家投行参与IPO承销,力争上半年上市
-
2018天猫双11|这就是阿里云!不止有新技术,更有温暖的社会力量
-
苹果:iPhone 的这些功能全要取消
-
中国移动如何发短信实名认证
-
野蛮竞争后的唯品会,面对双十一成绩单仍含羞掩饰
-
浅谈Linux高负载的系统化分析浅谈Linux高负载的系统化分析
-
新MacBook更多消息出炉,前辈机皇跌至谷底价惨遭疯抢
-
“5G+工业互联网”赋能千行百业典型应用场景快速推广
-
京东与吉利控股达成战略合作,涉及物流、商用车技术赋能等领域