#MuSViT

15:27AI科研传播指数 36

乐谱视觉基础模型 MuSViT：吞下 970 万页乐谱，让 AI 读懂五线谱

研究人员推出乐谱视觉基础模型 MuSViT。它利用掩码自编码在 970 万页乐谱上预训练，通过补全被遮挡的画面理解音高、节奏和五线谱结构。最值得关注的是，它填补了通用视觉模型看不懂乐谱符号关系的空白，在乐谱识别和符号检测上大幅超越同类方法。