Core Concepts
이 연구는 Bi-LSTM 및 트랜스포머 모델을 활용하여 타블라 음악을 생성하는 새로운 방법론을 제시한다.
Abstract
이 연구는 먼저 피아노 음악 생성을 위해 다양한 LSTM 기반 모델과 트랜스포머 모델을 탐구했다. 이를 통해 얻은 통찰을 바탕으로 타블라 음악 생성으로 확장했다.
피아노 음악 생성 실험에서는 Bi-LSTM, 어텐션 메커니즘, LSTM 레이어로 구성된 모델이 가장 좋은 성능을 보였다. 이 모델을 타블라 음악 생성에 적용하고 일부 수정을 거쳐 만족스러운 결과를 얻었다.
타블라 음악 생성을 위한 Bi-LSTM 모델은 4.0427의 평균 제곱 오차와 1.0814의 평균 절대 오차를 달성했다. 트랜스포머 모델은 55.9278의 평균 제곱 오차와 3.5173의 평균 절대 오차를 보였다.
생성된 타블라 음악은 인간 연주자가 연주한 음악과 유사한 특성을 보였다. 이를 통해 이 연구가 새로운 타블라 음악 생성 방법론을 제시했음을 알 수 있다.
Stats
피아노 음악 생성 모델 중 Bi-LSTM, 어텐션, LSTM 모델은 200 에폭 학습 후 0.6226의 손실과 0.8624의 정확도를 달성했다.
타블라 음악 생성을 위한 Bi-LSTM 모델은 300 에폭 학습 후 4.0427의 평균 제곱 오차와 1.0814의 평균 절대 오차를 달성했다.
타블라 음악 생성을 위한 트랜스포머 모델은 180 에폭 학습 후 55.9278의 평균 제곱 오차와 3.5173의 평균 절대 오차를 달성했다.