Identification of versions of the same musical composition by processing audio descriptions

• Autores: Joan Serra Julia
• Directores de la Tesis: Xavier Serra Casals (dir. tes.)
• Lectura: En la Universitat Pompeu Fabra ( España ) en 2011
• Idioma: español
• Tribunal Calificador de la Tesis: Climent Nadeu Camprubí (presid.) , Ricardo Baeza Yates (secret.) , Meinard Müller (voc.)
• Enlaces
  • Tesis en acceso abierto en:  TDX  e-Repositori UPF 
• Resumen

  • Racionalizar o dar significado de manera automática a la información digital, especialmente a los documentos digitales de música, es uno de los problemas que nuestra sociedad moderna está afrontando. De hecho, hay muchas tareas que, aunque los humanos las podemos hacer fácilmente, aún no pueden ser realizadas por un ordenador. En este trabajo nos centramos en una de estas tareas: la identificación de versiones musicales (interpretaciones alternativas de una misma composición de música tales como "covers", grabaciones en directo, remixes, etc.). Basándonos en un enfoque computacional, y utilizando únicamente la información que nos proporciona la señal de audio, proponemos un sistema para la identificación de versiones que es robusto a los principales cambios musicales que puede haber entre versiones musicales, incluyendo cambios en el timbre, el tempo, la tonalidad o la estructura del tema. Éste sistema explota herramientas de análisis no lineal de series temporales y métodos estándar para la descripción cuantitativa de la música. Además, no utiliza ninguna estrategia de modelado de los datos; es un sistema "libre de modelo". Con este sistema obtenemos muy buenos resultados, tanto con nuestros datos como a través de un entorno de evaluación internacional. De hecho, de acuerdo con estas últimas evaluaciones, nuestro sistema libre de modelo obtiene a día de hoy los mejores resultados de entre todos los sistemas evaluados. También investigamos sistemas basados en modelos. A tal efecto, consideramos varios modelos de series temporales, tanto lineales como no lineales. De esta forma vemos que, aunque nuestros sistemas basados en modelos no consiguen los mejores resultados, éstos presentan ciertas ventajas relativas a la complejidad computacional y a la elección de parámetros. Además, también exploramos algunas estrategias de post-procesado para sistemas de identificación de versiones. Concretamente, vemos que algoritmos de agrupación no supervisados permiten la caracterización y mejora de los resultados de sistemas que funcionan a través de "preguntas por ejemplo", tales como los de identificación de versiones. Con este objetivo construimos y estudiamos una red compleja de versiones y aplicamos técnicas de agrupación y de detección de comunidades. En general, nuestro trabajo lleva la identificación automática de versiones a un estadio sin precedentes donde se obtienen muy buenos resultados y, al mismo tiempo, explora nuevas direcciones de futuro. Aunque los pasos que seguimos están guiados por la naturaleza de los señales involucrados en nuestro problema (grabaciones musicales) y las características de la tarea que queremos solucionar (identificación de versiones), creemos que nuestra metodología se puede transferir fácilmente a otros ámbitos y contextos.