Violin perfomance analysis using weak supervision

Tamer, Nazif Can

Violin perfomance analysis using weak supervision

Document Type

Doctoral thesis
Published Version

Author

Tamer, Nazif Can

Director

Serra Casals, Xavier

Publication Date

2024-10-02

Pages

150 p.

License

Citation

Tamer, N. Violin perfomance analysis using weak supervision. Universitat Pompeu Fabra; 2024. handle: http://hdl.handle.net/10803/692368

This citation was generated automatically.

Doctoral program

Programa de Doctorat en Tecnologies de la Informació i les Comunicacions

Abstract

This thesis investigates the development of core Music Information Retrieval (MIR) technologies for Violin Performance Analysis, addressing both data and label scarcity. To mitigate data scarcity, the Violin Repertoire Dataset, a large-scale collection of pedagogically motivated repertoire, is introduced. To address label scarcity, weak supervision techniques like regularized self training and forced alignment are utilized. The research focuses on developing pitch estimation, transcription, and playing technique detection algorithms for practical applications in music education. Additionally, the analysis considers direct estimation of violin performance parameters under piano accompaniment, a common scenario in exams and auditions. Quantitative results suggest that domain-specific applications, supported by the Violin Repertoire Dataset and weakly-supervised learning methods, deliver high-quality performances in several violin performance analysis tasks.
Esta tesis investiga el desarrollo de tecnologías fundamentales de Recuperación de Información Musical (MIR) para el Análisis de la Interpretación del Violín, abordando tanto la escasez de datos como de etiquetas. Para mitigar la escasez de datos, se introduce el Violin Repertoire Dataset, una colección a gran escala de repertorio motivado pedagógicamente. Para abordar la escasez de etiquetas, se utilizan técnicas de supervisión débil como el autoentrenamiento regularizado y la alineación forzada. La investigación se centra en desarrollar algoritmos de estimación de tono, transcripción y detección de técnicas de interpretación para aplicaciones prácticas en la educación musical. Además, el análisis considera la estimación directa de parámetros de interpretación del violín bajo acompañamiento de piano, un escenario común en exámenes y audiciones. Los resultados cuantitativos sugieren que las aplicaciones específicas del dominio, respaldadas por el Violin Repertoire Dataset y los métodos de aprendizaje débilmente supervisados, ofrecen interpretaciones de alta calidad en varias tareas de análisis de interpretación del violín.

Keywords

Music performance analysis, Pitch estimation, Automatic music transcription, Instrument playing technique, Violin, Weakly-supervised learning, Pseudo labeling, Self-training, Weak supervision, Análisis de interpretación musical, Estimación de tono, Transcripción automática de música, Técnica de interpretación instrumental, Violín, Pseudoetiquetado, Autoentrenamiento, Supervisión débil