什锦文坊 > 数码科技 > \

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》!

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

还可以将钢琴音乐转换成日本 十三弦古筝的声音。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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。

跟郎朗媳妇有得一拼的AI,只看弹琴动作,完美复现原声|CVPR2020

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

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 !

显示全文

相关文章