محققان در یک پژوهش جدید، مدلی به نام «FuSiLi» معرفی کردهاند که میتواند ارتباط دقیق بین دادههای موسیقی (صوت) و نتنویسیهای تصویری را درک کند. چالش بزرگ در این حوزه، فقدان دادههای آموزشی دقیق بود؛ اما این متد جدید با استفاده از «نظارت جهانی» (Global Supervision) و تکنیک هوشمندِ Sinkhorn، موفق شده است جزئیات دقیق و محلی (Local) را بدون نیاز به برچسبگذاریهای پیچیده شناسایی کند. این نوآوری میتواند راه را برای بهبود سیستمهای پردازش موسیقی و ابزارهای آموزشی مرتبط با آن هموار کند. 🎹✨
منبع: arXiv Machine Learning