《表1 不同方法的性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于变分自编码器的交互式旋律生成方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

数据重构能力是VAE模型的重要性能指标，式（12）的损失越低说明模型为正确音符分配的概率越高。本文额外训练了四个生成模型进行对比，分别是Piano Genie[11]、Music VAE[16]、RNN语言模型Seq2Seq以及基本的VAE。Seq2Seq通过前16个音符预测后16个音符；Piano Genie仅通过轮廓标签序列来重构旋律样本；VAE和Music VAE仅用潜变量编码整个旋律。这些模型都利用和本文模型CCMG-VAE一致的LSTM构建，且隐藏层向量宽度也保持一致。通过相同训练参数设置以及优化算法进行训练，所得的数据重构损失曲线如图6所示。图6中，VAE最终收敛结果最差；Music VAE利用层次结构缓解后验塌陷，性能略优于VAE；Seq2Seq的损失曲线最不稳定；CCMG-VAE最终的重构损失最低，相比Piano Genie曲线更稳定。本文还测试了所有模型在整个训练集与测试集上的平均重构损失、重构音符正确率，如表1所示。