| 研究課題/領域番号 |
19H04137
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
吉井 和佳 京都大学, 情報学研究科, 准教授 (20510001)
|
|---|
| 研究分担者 |
河原 達也 京都大学, 情報学研究科, 教授 (00234104)
森島 繁生 早稲田大学, 理工学術院, 教授 (10200411)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 自動採譜 / 自動編曲 / 姿勢推定 / 確率的生成モデル / 深層学習 / 償却型変分推論 |
|---|
| 研究成果の概要 |
聴覚系に関する研究成果として、歌声採譜、拍節構造推定、楽曲構造推定、コード・キー推定、ドラム採譜など、自動採譜を構成する重要なサブタスクに対して、確率的生成モデルとその統計的推論という統一的なアプローチに基づく解決法を提示することができた。いくつかのタスクで、変分自己符号化器 (VAE) を構成することで、理論的には両者を同時に教師なし学習できることを示した。視覚系に関する研究成果として、画像中の人間の二次元姿勢推定において、聴覚系と同様に、確率的生成モデルとその統計的推論という統一的なアプローチに基づく解決法を提示することができた。
|
| 自由記述の分野 |
音楽情報処理
|
| 研究成果の学術的意義や社会的意義 |
人間が視聴覚を通じて音楽を理解する機構に対して、表裏一体の関係にある生成過程と推論過程を統合した計算モデルを提示することができた。このモデルは、認知科学分野で知られていたミラーニューロン仮説に着想を得ており、統計的機械学習の見地からは、変分自己符号化器 (VAE) として定式化できることを示した。自動採譜のいくつかの課題や姿勢推定でこのモデルの有効性を示した。
|
