GNN定位让手写乐谱合成RMSE狂降85%，下游检测mAP50提升30%！
Data-Driven Glyph Positioning for Handwritten Music Synthesis
📖 AI 总结
该研究针对光学音乐识别中手写乐谱标注数据不足的问题，考察了合成框架Smashcima所依赖的硬编码字形定位规则是否有实证依据，以及能否用学习模型改进。作者从MUSCIMA++和OmniOMR两个数据集的约28.5万条标注关系中提取字形间距分布，发现若干关键参数与真实手写存在系统性偏差；用经验均值替换固定常数后，定位均方根误差最多降低60%。随后在乐谱图结构上训练图神经网络预测上下文相关的偏移量，使符干和符杠的误差再降50%至85%。跨数据集分析表明，两个语料库的间距差异由音符密度解释，而非书写风格，且手写乐谱并不遵循时值比例间距。在下游评测中，用该模型定位的合成数据预训练YOLOv8检测器，经200行真实手写谱微调后，mAP50较基线提升30%，较经验均值方法提升11%，说明定位精度对下游识别性能有实际影响。
🔑 关键词速览
| Optical Music Recognition (OMR) | 光学音乐识别，将乐谱图像自动转换为机器可读符号格式的技术。 |
| Smashcima | 一种手写乐谱合成框架，通过采样字形图像并按规则定位来生成标注数据。 |
| Graph Neural Network (GNN) | 图神经网络，一种直接在图结构数据上学习节点关系与表示的深度学习模型。 |
| Music Notation Graph | 音乐记谱图，以图结构表示乐谱中符号及其空间与语义关系的模型。 |
| RMSE | 均方根误差，衡量预测值与真实值之间偏差大小的常用指标。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅