예측에서 협업으로: 상호작용형 기호 음악 분석
From Prediction to Collaboration: Interactive Symbolic Music Analysis
자동 기호 음악 분석은 상당한 진전을 이루었지만, 기존 시스템은 대개 전곡 예측과 같은 단일 사용 모드에 맞춰 설계되어 있어, 부분 완성, 국소 수정, 반복적 정제 등 분석 워크플로에서 발생하는 더 넓은 범위의 작업과 맞지 않는다. 그 결과, 강력한 벤치마크 모델과 상호작용적 분석 활용을 지원할 수 있는 시스템 사이에는 여전히 격차가 남아 있다. 우리는 강력한 예측 성능과 제약 조건 하의 완성 및 수정에 대한 직접적 지원을 결합하여 이 격차를 좁히는, 기호 로마 숫자(Roman-numeral, RN) 분석을 위한 통합 프레임워크를 제시한다. 이 방법은 값비싼 사전학습 표현을 한 번 계산한 뒤 반복적 정제 과정에서 재사용함으로써 정확도와 상호작용적 반응성 사이의 실용적 절충을 제공하도록 설계되어, 강력한 사전학습 모델을 상호작용 환경에 더 잘 부합하도록 만든다. 공유 모델링 프레임워크를 통해 전곡 분석, 기존 레이블의 표적 수정, 부분적 맥락으로부터 누락된 주석의 추론을 지원한다. 동종 최대 규모이면서 가장 이질적인 벤치마크인 Dilemmadata에서의 실험은, 제안 접근법이 강력한 RN 분석 기준선이면서 동시에 부분 레이블로부터의 마스크 완성도 지원함을 보여 준다. 다단계 후보 검토 및 편집을 위한 프로토타입 인터페이스와 함께, 이러한 결과는 자동 RN 분석을 예측 문제에 그치지 않고 음악 분석을 위한 미래의 상호작용형 도구의 토대로 자리 매김한다.