寻找最新最佳的音乐AI人工智能。浏览最全面的AI数据库，每日持续更新。
最新
MuSViT 是一种用于乐谱表示的基础视觉模型。它使用在 970 万页 IMSLP 乐谱上通过掩码自编码器预训练的 ViT 编码器，为音乐记谱提供面向领域的视觉骨干，而不是依赖通用图像编码器。
该模型采用 12 层 Transformer、16x16 图像块、768 维嵌入和 2D 正弦位置编码，以保留五线谱纵向结构。训练遵循两阶