10月26日（水）

5時起床。大道君は寝ていて、目覚ましは6時半なので、1時間半ほどクローゼットの中で仕事をする。6時半に大道君起床後、残っていたパンと果物で朝食。

9時からセッション。

○Web
Songle: A Web Service for Active Music Listening Inproved by User Contribution (AIST)
後藤さん。これまで産総研で開発してきた能動的音楽聴取インタフェースをWebサービスSongleとして開発・公開した(songle.jp)。 音楽構造、コード、メロディ、ビートなどを自動抽出して可視化し、ユーザによる音楽の理解と選択的聴取を可能にする。また、自動推定の誤りをユーザが訂正 する枠組みを提供する。音楽におけるPodCastle的なもの。他の開発者がオリジナルのモジュールを追加することも可能。これは作るのが大変だったろ うなあ。

Improving Perceptual Tempo Estimation with Crowd-Sourced Annotations (Last.fm)
Mark Levy。テンポには曖昧性があるが（2倍、3倍、0.5倍など）、人間の感じるテンポがどうなのかを調べるために、Webベースのアンケートを実施。現 在までに6000曲程度が27000のユーザによって評価され、テンポ評価結果は20万以上。後半はその分析結果。人間のテンポ判断が分かれる曲とそうで ない曲がある。人間の推定結果と各種推定手法の比較。人間の結果をもとに推定を改善する。

Investigating the Similarity Space of Music Artists on the Micro-Brogosphare (Johannes Keplar U)
ツイートやWebページの内容の類似性によってアーティストの類似性を測る。類似度はTF-IDFによる文書ベクトルを元に計算。TF,IDFの計算にい くつかの方法を比較。文書のまとめ方、類似度の種類も網羅的に調査した。大変な規模の実験をしているようだ。ジャンル分類で類似度の性能を評価。Web ページを使った場合、複数のページを仮想文書としてまとめた方がよく、コサイン類似度は最善ではないが安定した性能を出す。ツイッターを使う場合、文書ベ クトルの正規化は性能を改善しない（140文字制限のせいか）。どちらの場合にも、最善の結果はそれほど違わない。TFやIDFの計算法の影響は大きくな い。

Musical Influence Network Analysis and Rank of Sample-Based Music (Stanford U)
他の音楽を素材として使うsample musicにおいて、ある作品がどの作品を借りているかをグラフとして表現。そのグラフを元に、作品間の影響関係を分析した。借りる方法は、そのままサンプリングする場合もあればアレンジする場合もある。データはwhosampled.comのデータベースで約42000曲。借りた先から元へ向かう有向辺を考え、入次数と出次数でランクを計算。また、複数のノードを経由する影響力を測るためにKatz Influenceを計算。また、作品レベルからアーティストやジャンルレベルの影響力を計算。

ここでコーヒーブレイク。

午前後半はユーザスタディーのセッション。

○User Studies
User studies in the Music Information Retrieval Literatures (McGill U)
MIR分野でもユーザ中心の研究が必要だろうということで、音楽情報検索の分野でユーザの研究がどのくらい行われているのかを調べた。半分以上は定性的な研究。被験者のサンプルは学生・男性に偏っている。ユーザ研究の立場から、MIRシステム開発についての提言。

Social Capital and Music Discovery: An Examination of the Ties through Which Late Adolescents Discover New Music (U de Montreal)
高校生が新しい音楽を発見するとき、SNSのネットワークのどんな人から影響を受けているかを調べた。Social Network Analysisの手法を使うという話だが詳細はよくわからなかった。結果として、似たような感情を持っている人、頻繁に会っている人からの影響が大き い。両親からの影響は友達からの影響の5.8倍。同じ年齢・性別・学校の人からの影響が大きい。父親からの影響が大きいというのはどこの世界の話かと思う が、文化の違いもあるのかな。

MIR in School? Lessons from Ethnographic Observation of Secondary School Music Classes (Queen Mary U of London)
音楽の授業について、ロンドンの2つの中学校で4ヶ月にわたって調査。さまざまなIT機器があり、Youtubeがよく使われている。いろいろな音楽を自 由に探したり話し合ったりすることが行われている。音の高さや楽器は名前があるので議論がしやすいが、リズムは名前がないので伝え合うのが難しい。独自の 音楽ジャンル用語が使われている(car musicとか）。MIRがどうこうという話まで行かなかった気がする。

Ethnographic observations of musicologists at the British Library: implications for Music Information Retrieval (Queen Mary U of London)
大英図書館のsound archive developmentで音楽学者に3ヶ月密着して調査。どのような技術が必要とされているか、あるいは使われているか。信号分析みたいなものもそれなり に使われているんだな。Closed listening（音だけを聞く）とMultimodal listening（波形、スペクトル、ピッチなどの可視化情報とともに音を聞く）の両方がともに重要。

昼食。入れ物はブラウンバッグだが中身は昨日と同じ。サンドイッチが4種類あるので4日間楽しめる。

昼食と同時にポスター。OMRとかで関連が薄いので、部屋に戻って仕事。

13時50分から f(MIR) Industrial Panelだったが、会場に行くのが10分ほど遅れてしまった。Google, last.fm, SoundCloud, echonest の4社からパネリストが出てパネルディスカッション。話が速くてなにを言ってるかわからなかった。


セッション後、ポスターセッション。

○Musical Structure Analysis and Alignment; Evaluation Issues; Novel Topics

Music Structural Segmentation by Combining Harmonic and Timbral Information
音楽構造セグメンテーション。MFCCとクロマベクトルの両方を使って類似度を計算し、NMFによるクラスタリングで区間を決定する。ベンチマークでは最高精度ではないものの、まあ真あの結果。

A Regularity-Constrained Viterbi Algorithm and Its Application to the Structural Segmentation of Songs
音楽構造セグメンテーション。通常はセグメンテーションのための評価関数として「分割点で特徴量が変化している」「セグメントが楽曲中に何回も現れる」な どを使うが、それに加えてセグメントの長さが事前に決めた値に近いかどうかを使う。セグメントの定義にもよるが、フレーズなどをセグメントとした場合はセ グメント間で極端な長さの差がないことによる。

Aligning Semi-improvised Music Audio with Its Lead Sheet
スコアと楽曲信号の対応付け。DPを使うが、漸化式において、「直前のフレーム」だけでなく、ほかのフレーズの最後から接続してもよいという制約をつける。スコア通りでなく、途中を繰り返して弾いたりした音楽信号に対しても対応付けが可能。

Stochastic Modeling of a Musical Performance with Expressive Representation from the Music Score
音楽表情のモデル化。実際の演奏におけるスコアタイミングからのずれをGMMでモデル化する。GMMの分布を決定木でクラスタリングすることで、ずれになにが影響しているかの分析ができる。また、演奏者認識をしたところ従来の方法よりちょっとよかった。

The Natural Language of Playlists
プレイリストにおける曲を「単語」だと思ってbigramでモデル化と評価。オーディオ特徴からk-NNで曲を選んでプレイリストを作ると、ランダムに選んだ場合よりも確率が低い。プレイリストの「並び」にどの程度の意味があるのかやや疑問。

Music Structure Segmentation Algorithm Evaluation: Expanding on MIREX 2010 Analyses and Datasets
MIREX2010に参加した音楽構造セグメンテーション法の比較。詳しくは聞けなかった。

Music Information Robotics: Coping Strategies for Musically Challanged Robots
アクチュエータがドラムを叩くときの速度を、本物のドラマーが叩いたときの音と同じになるように最適化した。方法は強化学習。ものすごい学習が必要。

Cross-Modal Aethetics from A Feature Extraction Perspective: A Pilot Study
短い音楽を聞かせたときの印象と最も似ている抽象画を被験者に選ばせ（それぞれ10種類）、音楽と画像の特徴量の対応を求めた。音楽の特徴量はMFCC、 画像はHSVのヒストグラム。画像では色相が最も関連深い。画像のテクスチャを特徴量としないなら、単色でよかったんじゃないだろうか。

この後直ちにオーラルセッション。

○Databases and Evaluation
The Million Song Dataset (Columbia U)
研究用大規模楽曲データセットの紹介。音楽はさまざまな音楽サイトから提供されている。オーディオ関連データ（ビッチ、ビート、セグメンテーション、 キー、テンポなど）とメタデータ（アーティスト、タイトル他）が含まれる。オーディオ本体は基本有料だが一部分は無料。カバーソングのセットも含まれる。 新しいタスクとして「音楽の発表年の推定」というのをやってみた結果を発表していた。

Audio Music Similarity and Retrieval: Evaluation Power and Stability
音楽検索の実験をするときの、結果の統計的信頼性について。手書き風フォントが見づらい。ポイントがよくわからなかった。さまざまな統計的検定について。クエリを単純に増やすのは努力に見合わない検出力の増加しかもたらさない。

MusiCLEF: a Benchmark Activity in Multimodal Music Information Retrieval
音楽検索ベンチマークの枠組みの紹介。情報検索会議CLEFの一部として企画。提携パートナーと、提供される楽曲など。タスクの定義。

Information Retrieval Meta-Evaluation: Challange and Opportunities in the Music Domain
2つ前と同じ人。手書き風フォントが見づらい。評価の枠組みについての評価(meta-evaluation)。評価の枠組みにおける評価尺度、評価セットなどがどれだけ現実の評価タスクと整合しているか。現状のMIRタスクの問題点。

セッション終了後、今日は何のイベントもないので、ふつうに夕食に行くことに。近くには何もないので、バスに乗ってサウスビーチまで。このへんはキューバ料理がうまいと聞いていたので、キューバ料理の店をGoogleMapで探しておいた。

ということで荒っぽい運転のバスで10分ほど。


16Stと17Stの間あたりにあるキューバ料理屋に入る。結構お値段高め。

メニューをいろいろ見て、小豆のスープ、サラダ、米料理、肉料理を頼む。スープ以外は大道君とシェアする。


小豆のスープ。チリ味。サラダはアボカドが皮付き。


肉料理。牛のやや厚い焼き肉。


米料理。チキンライスとあったが、鶏肉の入ったパエリアという感じ。


どれも結構うまい（高いけど）。腹いっぱいで帰る。

少しサウスビーチを散策。途中、居酒屋っぽい店が並んでいるところを発見。次はここにきてみようか。

帰りのバスに乗るためにバス停に並んでいたら、ベンチに座っていた若い（？）女がバッグから水のペットボトルを出して、バスを待っている人や信号で止まった運転手に水を売っている。何なんだろう。

水売りの女には声をかけられないままバスでホテルまで。酒も入っているので激しく眠い。シャワーを浴びた後、21時半頃寝る。
前の日へ　 目次へ 　次の日へ