PianoBART: Symbolic Piano Music Generation and Understanding with Large-Scale Pre-Training

本文提出了PianoBART，这是一个使用BART模型进行符号钢琴音乐生成和理解的预训练模型。学习音乐结构和组合模式对于音乐生成和理解都是必要的，但目前的方法并没有统一使用学习到的特征来同时生成和理解音乐。我们设计了一个多级对象选择策略，用于PianoBART的不同预训练任务，可以防止信息泄漏或丢失，并增强学习能力。预训练中捕捉到的音乐语义被微调用于音乐生成和理解任务。实验表明，PianoBART高效地学习音乐模式，并在生成高质量连贯作品和理解音乐方面取得了出色的表现。我们的代码和补充材料可在https://github.com/RS2002/PianoBart上获得。

PianoBART：一种使用BART进行钢琴音乐生成和理解的预训练模型，旨在解决音乐生成和理解之间特征利用不平衡的问题。

PianoBART使用多级对象选择策略进行不同的预训练任务，以提高学习能力和防止信息泄漏或丢失。预训练捕获的音乐语义经过微调，用于音乐生成和理解任务。

论文提出了一种使用BART进行钢琴音乐生成和理解的预训练模型PianoBART，实验结果表明其在音乐生成和理解任务中表现出色。研究者提供了代码和补充材料，并使用了多个数据集进行实验。

最近在音乐生成领域，还有一些与本文相关的研究，例如：MusicBERT、MuseNet、Transformer-based models等。