arXiv:2607.19776v1 cs.SD

RPPNet: 경계 인식 모델링을 통한 장기 구조 멜로디 생성을 위한 지각적으로 그룹화된 리듬-피치 프리미티브

RPPNet: Perceptually-Grouped Rhythm-Pitch Primitives for Long-Term Structure Melody Generation via Boundary-Aware Modeling

Tieyao Zhang, Yuke Liu, Jiaxing Yu, Xinda Wu, Kejun Zhang, Genfang Chen

제출 2026-07-22

한국어 초록

기존 기호 음악 생성 모델은 일반적으로 마디(bar)를 기본 구조 단위로 사용한다. 그러나 인간의 음악 구(phrase) 지각은 종종 악보상의 마디선과 일치하지 않아 장기 구조의 단편화를 초래한다. 본 논문은 가변적 구조 경계를 갖는 2단계 심층 학습 아키텍처인 RPPNet을 제안한다. 먼저 가변 길이의 Rhythm-Pitch Primitive(RPP) 시퀀스를 생성하며, 각 RPP는 음표 수, 리듬, 윤곽(contour)을 인코딩한다. 이후 RPP 시퀀스를 구체적인 음표로 디코딩한다. RPP의 그룹화는 음악 심리학에 기반한 음향 단서, 청각적 관성(auditory inertia), 유사성 지각(similarity perception)으로부터 자동으로 도출된다. 실험 결과, RPPNet이 생성한 멜로디는 장기 구조와 음악성(musicality) 모두에서 우수하며, 모든 주관적 평가 차원에서 유의미한 개선을 보였다. Ablation 연구는 성능 향상이 모델 용량이 아니라 심리적 표현의 구조적 정확성에서 비롯됨을 확인한다. 본 연구는 음악 이론, 계산 모델링(computational modeling), 음악 심리학을 통합하여 음악 생성에 대한 학제간 관점을 제공한다.

원문 초록

Existing symbolic music generation models typically use bars as the basic structural unit. However, human perception of musical phrases often does not align with notated bar lines, leading to long-term structural fragmentation. This paper proposes RPPNet-a two-stage deep learning architecture with variable structural boundaries. It first generates variable-length Rhythm-Pitch Primitive (RPP) sequences, where each RPP encodes note count, rhythm, and contour; then decodes the RPP sequences into concrete notes. The grouping of RPPs is automatically derived from acoustic cues, auditory inertia, and similarity perception based on music psychology. Experiments show that melodies generated by RPPNet are superior in both long-term structure and musicality, with significant improvements across all subjective evaluation dimensions. Ablation studies confirm that the performance gain stems from the structural correctness of the psychological representation, rather than from model capacity. This work offers an interdisciplinary perspective for music generation, integrating music theory, computational modeling, and music psychology.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2607.19776v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.14537v1cs.SD공통 태그 Music Generation, symbolic music

MIDI-RAE-JEPA: 기호 음악을 위한 계층적 표현 학습 및 생성

MIDI-RAE-JEPA: Hierarchical Representation Learning and Generation for Symbolic Music

풍부한 음악 구조의 내부 표현은 기계 보조 음악 공동 작곡과 같은 음악 이해 작업에 필수적이지만, 기호 음악 표현을 위한 자기지도 학습(SSL) 접근법은 여전히 충분히 탐구되지 않았으며, 특히 음악 구조의 계층적 다중 척도(multi-scale) 특성을 인코딩하는 방법은 더욱 그렇다. 우리는 피치(pitch) 및 시간 이동(time-shift) 동변성(equivariance) 목표를 LeJEPA와 Swin Transformer V2 인코더와 결합한 MIDI-RAE-JEPA를 제안하여, 피아노 롤(piano roll) 이미지로 인코딩된 기호 음악의 이러한 계층적 표현을 학습한다. 시간 이동 동변성 목표는 모델이 시간적 음악 관계를 내면화하도록 유도한다. 인코더는 마스크된 임베딩 예측기(MEP)를 포함한 순수 자기지도 목표로만 학습되며, SIGReg를 통해 붕괴(collapse)를 방지한다. 고정(frozen)된 인코더 임베딩 위에서 학습된 별도의 디코더는 재구성 F1 0.995를 달성하며, 해당 임베딩을 조건으로 하는 flow matching 생성 모델은 조건 발췌(conditioning excerpt)의 음역(pitch register)과 리듬 밀도(rhythmic density)를 밀접하게 재현하는 생성 결과를 만들어 내는 반면, 불일치하는 조건(conditioning)은 관련 없지만 음악적으로 그럴듯한(plausible) 출력을 낳는다. 학습된 표현은 하위 감정 분류 작업에서 Haar scattering transform 기준선을 능가하며, 임베딩 거리는 피치 및 시간 이동 크기에 따라 단조 증가하여 가측 가능한 동변성을 확인한다. 이러한 결과는 동변성 기반 SSL 목표가 충분한 세밀 수준(fine-level) 인코더 용량과 결합될 때, 기호 음악의 의미적으로 풍부하고 생성에 유용한 표현을 향한 실행 가능한 경로를 제공함을 시사한다.

arXiv:2607.05902v1cs.SD공통 태그 Music Generation, symbolic music

질감 대위법에서 특징 인코딩으로: 전기음향 분석을 통합한 하이든 "종달새" 사중주의 다차원 기계 표현 연구

From Textural Counterpoint to Feature Encoding: A Multi-Dimensional Machine Representation Study of Haydn's "The Lark" Integrating Electroacoustic Analysis

실내악은 고도로 정밀한 다성부 상호작용 시스템으로서, 인간-컴퓨터 협업 작곡 패러다임 탐구에 매우 귀중한 청사진을 제공하는 "역할 배분 및 동적 상호작용"의 논리를 내포하고 있다. 기존 심층 음악 생성 모델이 다성 상호작용 과정에서 역할 인식 능력이 부족하다는 문제를 해결하기 위해, 본 논문은 하이든의 현악 사중주 D장조 《종달새》(Op. 64, No. 5)에 대한 학제적 분석을 수행한다. 우리는 "고전 형태론적 질적 분석-전기음향 정량 측정-기계 표현 재구성"이라는 새로운 연구 경로를 제안한다. 본 연구는 먼저 청각 분석을 통해 1악장에서 주선율과 하부 그루브 간의 대위법적 형태를 해부한다. 이어서 디지털 오디오 워크스테이션(DAW)의 스펙트럼 및 다이나믹 특징 분석 도구를 도입하여 주관적 청각 인식을 객관적이고 측정 가능한 물리적 파라미터로 변환한다. 이를 바탕으로, 본 논문은 저수준 컴퓨터 특징 추출에 근본적으로 새로운 접근 방식을 제안한다: 전통적인 기계적 양자화 그리드를 완전히 폐기하고, 이벤트 기반 타임스탬프(Event-based Timestamps)를 도입하여 마이크로 타이밍의 지속 시간을 기록하며, 음향 특징을 미학적 휴리스틱 메커니즘(현상학적 앵커)으로서의 독립적인 "역할 인식 인코딩(Role-Aware Encoding)"으로 변환한다. 본 연구는 고전 분석, 전자음악 매핑, AI 기호 생성을 아우르는 논리적 순환을 완성할 뿐만 아니라, 상호작용 미학 및 미디어 철학의 관점에서 "사회적 속성"과 "타자 인식"을 지닌 인간-컴퓨터 협업 음악 시스템 구축을 위한 심층적인 이론적 토대를 마련한다.

arXiv:2606.18790v1cs.SD공통 태그 Decoder, Music Generation

루프 폐쇄: 기호 음악 생성에서 해석 가능한 활성화 조향을 위한 PID 피드백 제어

Closing the Loop: PID Feedback Control for Interpretable Activation Steering in Symbolic Music Generation

트랜스포머 기반 아키텍처는 복잡한 기호 시퀀스 생성을 크게 발전시켰으나, 이산 신호 속성에 대한 세밀하고 해석 가능한 제어를 달성하는 데에는 여전히 큰 격차가 존재합니다. 본 논문은 멀티트랙 뮤직 트랜스포머(MMT)의 기계적 해석 가능성을 조사하고, 추론 시점 활성화 조향(activation steering)을 통해 이 격차를 해소하기 위한 재학습 없는 결정론적 속성 변조 프레임워크를 제안합니다. 평균 차이(DiffMean) 방법론을 활용하여, 잔차 스트림 내에서 신호 속성, 구체적으로 피치(Pitch)와 지속 시간(Duration)에 대한 잠재 방향을 분리합니다. 우리는 이 영역에서 선형 표현 가설을 검증하여, 조향 크기와 속성 변화 사이의 높은 상관관계를 달성했습니다. 다중 속성 조향에서 발생하는 내재된 특징 얽힘을 해결하기 위해, 그람-슈미트 직교화(Gram-Schmidt Orthogonalization)를 활용하는 듀얼 스티어링 프레임워크를 도입합니다. 실험 결과, 이 기하학적 분리가 단순 벡터 덧셈과 비교하여 개념적 간섭과 신호 열화를 줄여줌을 보여주며, 강력한 자기회귀 조건 하에서도 독립적인 결정론적 제어를 가능하게 합니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.