arXiv · 机器人与计算机视觉· Anastasios Chatzigiannis, Natalia Panagou, Maria Koziri·· 15 天前AI 评分42
KeyWise:基于轻量级逐键架构的高效纯视频钢琴转录模型
KeyWise: Efficient Video-Only Piano Transcription with a Lightweight Per-Key Architecture
AI 导读
KeyWise 利用已知键盘几何结构替代全局特征学习,在 PianoVAM 数据集上以 130 万参数实现 95.0% 的 onset F1,参数量仅为 SOTA 模型的 4.7%,推理速度提升 4.7 倍。该模型在 100ms 延迟下对离键与速度检测也显著优于基线,并在 PianoYT 数据集上经微调后达到 69.4% 的 onset F1。论文已开源预印本,适用于计算机视觉领域的音乐转录任务。
来源:arXiv · 机器人与计算机视觉 · arxiv.org