Learning Jazz Pianist Style with Cross-Attention Conditioning
5 hours ago
- 项目灵感来源于迪克·海曼（Dick Hyman）以爵士钢琴家风格创作的练习曲集。
- 在PiJAMA数据集的12位爵士钢琴家的独奏表演上对Aria transformer进行微调。
- 使用门控交叉注意力，通过学习到的钢琴家嵌入向量来调节生成过程。
- 通过分类器而非困惑度来评估风格迁移；有条件生成的续写显示出70%的归属准确率，而无条件生成的只有37%。
- 在生成音乐上训练的分类器能够以95%的准确率识别真实录音。
- 风格体现在密度和时间上的差异（例如，厄罗尔·加纳 vs 锡达·沃尔顿）。
- 提供了盲测和逐时刻分类器分析。
- 困惑度对风格几乎不敏感；添加条件后，一致性指标翻倍。
- 不同钢琴家的结果各异：汉克·琼斯和迪克·海曼的准确率高，锡达·沃尔顿的准确率低。
- 论文包含每位钢琴家的结果、不匹配实验、记忆检查以及仅用合成数据的分类器迁移。