Web of Science: 1 cites, Scopus: 2 cites, Google Scholar: cites
A unified representation framework for the evaluation of Optical Music Recognition systems
Torras, Pau (Centre de Visió per Computador)
Biswas, Sanket (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Fornés Bisquerra, Alicia (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)

Data: 2024
Resum: Modern-day Optical Music Recognition (OMR) is a fairly fragmented field. Most OMR approaches use datasets that are independent and incompatible between each other, making it difficult to both combine them and compare recognition systems built upon them. In this paper we identify the need of a common music representation language and propose the Music Tree Notation format, with the idea to construct a common endpoint for OMR research that allows coordination, reuse of technology and fair evaluation of community efforts. This format represents music as a set of primitives that group together into higher-abstraction nodes, a compromise between the expression of fully graph-based and sequential notation formats. We have also developed a specific set of OMR metrics and a typeset score dataset as a proof of concept of this idea.
Ajuts: Agencia Estatal de Investigación PID2021-126808OB-I00
Agencia Estatal de Investigación CNS2022-135947
Ministerio de Ciencia, Innovación y Universidades FPU22/00207
Agència de Gestió d'Ajuts Universitaris i de Recerca 2023/FI-1-00324
Nota: Altres ajuts: acords transformatius de la UAB
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original. Creative Commons
Llengua: Anglès
Document: Article ; recerca ; Versió publicada
Matèria: Optical Music Recognition ; Representation ; Evaluation ; Datasets ; Computer vision
Publicat a: International journal on document analysis and recognition, Vol. 27 (July 2024) , p. 379-393, ISSN 1433-2825

DOI: 10.1007/s10032-024-00485-8


15 p, 922.8 KB

El registre apareix a les col·leccions:
Articles > Articles de recerca
Articles > Articles publicats

 Registre creat el 2024-09-18, darrera modificació el 2026-01-29



   Favorit i Compartir