Tesis: “Flamenco Music Information Retrieval: Automatic Content-Based Description of Flamenco Music Collections”

Traemos hoy la propuesta de lectura de esta interesante Tesis Doctoral, tanto por el aspecto de la investigación musical que aborda como por su actualidad: fue defendida el 31 de octubre y se centra en un tema en pleno desarrollo y con gran proyección como es el análisis, la recomendación y la recuperación de información musical por sistemas automatizados.

Se trata de la Tesis Flamenco Music Information Retrieval: Automatic Content-Based Description of Flamenco Music Collections de Nadine Kroher, una austriaca afincada en España y que trabaja en importantes proyectos relacionados con la minería de datos, además de componer música electroacústica. Esta Tesis se ha realizado en el departamento de Matemáticas Aplicadas de la Universidad de Sevilla, y ha sido dirigida por José Miguel Díaz Bañez dentro de la línea de Investigación: “Optimización, Teoría de Juegos, Métodos y modelos de la Estadística y la Investigación Operativa”. La mayor parte de este trabajo se realizó en el seno del proyecto de investigación COFLA, que trata del estudio de la música flamenca desde una perspectiva tecnológica y que investiga cómo los modelos matemáticos y computacionales pueden ayudar, al análisis, caracterización y síntesis de la música flamenca.

Kroher, Nadine (2018). Flamenco Music Information Retrieval: Automatic Content-Based Description of Flamenco Music Collections (Tesis doctoral). Universidad de Sevilla, Sevilla.

Resumen:

El flamenco, un género musical centrado en la improvisación y la espontaneidad, tiene su origen en el sur de España y atrae a una creciente comunidad de aficionados de países de todo el mundo. El aumento constante y la accesibilidad a colecciones digitales de flamenco, en archivos de música y plataformas online, exige el desarrollo de métodos de análisis y descripción computacionales con el fin de indexar y analizar el contenido musical de manera automática.

Music Information Retrieval (MIR) es un área de investigación multidisciplinaria dedicada a la extracción automática de información musical desde grabaciones de audio y partituras. Sin embargo, la gran mayoría de las herramientas existentes se dirigen a la música clásica y la música popular occidental y, a menudo, no se generalizan bien a las tradiciones musicales no occidentales, particularmente cuando las suposiciones relacionadas con la teoría musical no son válidas para estos géneros. Por otro lado, las características y los conceptos musicales específicos de una tradición musical pueden implicar nuevos desafíos computacionales, para los cuales no existen métodos adecuados.

Esta tesis enfoca estas limitaciones existentes en el área abordando varios desafíos computacionales que surgen en el contexto de la música flamenca. Con este fin, se realizan una serie de contribuciones en forma de algoritmos novedosos, evaluaciones comparativas y estudios basados en datos, dirigidos a varias dimensiones musicales y que abarcan varias subáreas de ingeniería, matemática computacional, estadística, optimización y musicología computacional. Una particularidad del género, que influye enormemente en el trabajo presentado en esta tesis, es la ausencia de partituras para el cante flamenco. En consecuencia, los métodos computacionales deben basarse únicamente en el análisis de grabaciones, o de transcripciones extraídas automáticamente, lo que genera una colección de nuevos problemas computacionales.

Un aspecto clave del flamenco es la presencia de patrones melódicos recurrentes, que están sujetos a variación y ornamentación durante su interpretación. Desde la perspectiva computacional, identificamos tres tareas relacionadas a esta característica que se abordan en esta tesis: la clasificación por melodía, la búsqueda de secuencias melódicas y la extracción de patrones melódicos. Además, nos acercamos a la tarea de la detección no supervisada de frases melódicas repetidas y exploramos el uso de métodos de deep learning para la identificación de cantaores en grabaciones de vídeo y la segmentación estructural de grabaciones de audio. Finalmente, demostramos en un estudio de minería de datos, cómo una exploración de anotaciones extraídas de manera automática de un corpus amplio de grabaciones nos ayuda a descubrir correlaciones interesantes y asimilar conocimientos sobre este género mayormente indocumentado.

 

Anuncios
A %d blogueros les gusta esto: