딥러닝 기반 자동작곡에서 구성을 갖춘 곡 생성방법

정석환; 정성훈

doi:10.9728/dcs.2021.22.6.907

추천

검색

질문

자료유형: 학술저널

저자정보: 정석환 (NXP Semiconductors) 정성훈 (한성대학교)

저널정보: 한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제22권 제6호

발행연도: 2021.6

수록면: 907 - 913 (7page)

DOI: 10.9728/dcs.2021.22.6.907

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2021

딥러닝 기반 자동작곡에서 구성을 갖춘 곡 생성방법

정석환 , 정성훈 디지털콘텐츠학회논문지 2021.06 학술저널

딥러닝 기반 자동작곡에서 구성을 갖춘 곡 생성방법에 대한 연구

정석환 미래융합컨설팅학과 2021.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

딥러닝 기반 자동작곡 방법이 많이 연구되고 있으나 곡의 구성을 갖춘 곡을 생성하는 방법은 거의 없는 실정이다. 이에 본 논문에서는 딥러닝 기반 자동작곡에서 곡 구성 정보를 함께 학습하여 구성을 갖춘 곡을 생성하는 방법을 제안한다. 곡의 진행에 따라서 동적으로 변하는 곡과 곡의 구성에 따라서 정적으로 주어지는 구성 정보를 함께 학습하기 위하여 동적인 정보와 정적인 정보를 함께 학습하는 딥러닝 모델을 사용하여 곡을 학습하였다. 제안한 방법을 이용하여 곡을 학습한 경우 곡 생성 시 곡의 구성 정보를 이용하여 곡을 생성할 수 있어서 보다 자연스러운 곡을 만들 수 있다. 생성한 곡을 평가하기 위하여 자연어처리에서 사용되는 METEOR과 BLEU를 사용하여 작곡가가 작곡한 곡과 얼마나 유사한지를 평가하는 방법으로 평가하였다. 평가 결과 곡의 구성을 적절히 주었을 때, 보다 더 작곡가가 작곡한 곡과 유사함을 볼 수 있었다.

#자동작곡 #동적 데이터와 정적 데이터 결합 #곡 구성 #Automatic composition #Combining dynamic data and static data #Song structure #METEOR #BLEU

참고문헌 (13)

참고문헌 신청

B. L. Sturm / 2016 / Music transcription modelling and composition using deep learning / arXiv:1604.08723

H. W. Dong / 2018 / MuseGAN: Multi-track Sequential Generative Adversarial Networks for Symbolic Music Generation and Accompaniment / arXiv:1709.06298

K. Nikhil / 2018 / Bach2Bach: Generating Music Using A Deep Reinforcement Learning Approach / arXiv:1812.01060

M. H. Rahman / 2020 / Predicting human design decisions with deep recurrent neural network combining static and dynamic data / Design Science 6

J. T. Kristensen / 2019 / Combining Sequential and Aggregated Data for Churn Prediction in Casual Freemium Games / 2019 IEEE Conference on Games (CoG) :1~8

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

정석환

소속기관 NXP Semiconductors

주요연구분야 공학 > 컴퓨터학

논문수 1 이용수 268

정성훈

소속기관 웨덱스

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5% 공학 > 컴퓨터학

논문수 114 이용수 10,504

이 논문과 함께 이용한 논문

4차 산업 혁명 시대에서 인공지능(AI)의 작품 창작에 관한 연구 -예술인들의 인식을 중심으로-

강민석 , 주종우 디지털콘텐츠학회논문지 2020 .01

이미지 내 객체 분류를 위한 노드 가지치기 기반 압축된 심층 합성곱 신경망 모델

오상원 , 오승민 , 김영광 외 2명 디지털콘텐츠학회논문지 2022 .04

샤인머스캣과 청포도 자동 분류 딥러닝 시스템 개발

김명진 , 한영석 , 김승우 외 1명 디지털콘텐츠학회논문지 2021 .10

RNN Auto-Encoder의 시계열 임베딩을 이용한 자동작곡

김경환 , 정성훈 멀티미디어학회논문지 2018 .08

설치류 후각 뇌의 혈역학적 반응을 이용한 합성곱 신경망 기반 냄새 분류

김준민 , 이우람 한국정보기술학회논문지 2021 .07

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2021-004-001844719

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (13)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)