Unificando medidas de similitud de música de bajo y de alto nivel

Resumen

Medir la similitud de la música es esencial para la recuperación multimedia. Para los items musicales, esta tarea puede considerarse como la obtención de una medición de distancia adecuada entre canciones definido en un determinado espacio de características.

En este artículo, se proponen tres de esas medidas de distancia basadas en el contenido de audio: primero, una medida de bajo nivel basada en una descripción relacionada con el ritmo; segundo, una medida semántica de alto nivel basado en la inferencia de diferentes dimensiones musicales por máquinas de vectores de soporte.

Estas dimensiones incluyen género, cultura, estados de anime, instrumentos, ritmos, y anotaciones de ritmo. En tercer lugar, una medida híbrida que combina las medidas de distancia mencionadas anteriormente con dos medidas de bajo nivel existentes: una distancia euclidiana basada en el análisis de componentes principales de descriptores tímbricos, temporales y tonales, y una distancia tímbrica basada en un modelo de coeficiente cepstral de frecuencia Mel Gaussiana (MFCC).

Se evaluan las medidas propuestas contra un numero de medidas de base. Se hace esto objetivamente basado en una serie comprensiva de colecciones musicales, y subjetivamente basado en las calificaciones de los oyentes.

Los resultados muestran que los métodos propuestos alcanzan precisiones comparables con los acercamientos de base en el caso del ritmo y medidas basadas en clasificaciones.

Las mayores precisiones se obtienen por la distancia híbrida. Además, el enfoque basado en el clasificador propuesto abre la posibilidad de explorar medidas de distancia que se basan en nociones semánticas.