많은 자료와 정선한 자료
먼저 약 6만 시간의 기호 피아노 전사 자료로 사전 학습하고 상대적으로 작은 고품질 집합으로 미세 조정한다. 자료의 양과 후속 단계의 품질을 함께 활용하려는 접근이다.
생성에서 표현 활용으로
음악의 다음 부분을 생성하는 것뿐 아니라 기호 분류 과제와 범용 MIDI 대조 임베딩을 다룬다. SimCLR 틀을 기호 음악에 맞게 적용해 서로 관련된 표현을 학습한다.
서로 다른 평가 방식
음악 이어 쓰기의 일관성과 고정한 표현의 선형 분류, 직접 미세 조정의 결과를 평가한다. 고정 표현 위에 작은 분류기를 학습하는 경우와 전체 모델을 바꾸는 경우는 비교 조건이 다르다.
같은 입력의 여러 목적
한 피아노 연주를 자연스럽게 이어 쓰는 능력과 그 연주의 성격을 분류하는 능력은 다르다. 공통 사전 학습을 활용하더라도 각 출력 목적에서 필요한 근거와 평가 기준을 나눠 봐야 한다.
관련 문서
MusicBERT / MidiBERT-Piano / Music Transformer / MAESTRO / GiantMIDI-Piano / MusicVAE