Matomo tracking image

Skip to main content

Processing

BBK
Account Menu
  • Log in
  • Contact us
  •  Dash
  •  Featured collections
  •  Recent
  • Media
  •  Help & Support
Search
Browse
By date

 Geographic search

 Advanced search

%BROWSE_INDENT% %BROWSE_EXPAND% %BROWSE_TEXT% %BROWSE_REFRESH%
Browse by tag
Featured collections

07 - Finding music versions on YouTube  

To view this video please enable JavaScript, and consider upgrading to a web browser that supports HTML5 video

Resource tools

Original MP4 File

25.2 MB Download
Alternative files

MP4 H.264 AAC

37.9 MB Download

WebM VP8 Vorbis

37.6 MB Download
  •  Share
  •  Embed (HTML5) 
  • Copy and paste the HTML5 elements below to embed on your site:

  •  Play original size

How do you rate this resource?
X  
0 ratings
Resource details

Resource ID

320

Access

Open

Contributed by

Carlos Boschert

Named person(s)

Simon Hachmeier

Date

07 February 2023

Caption

Finding music versions on YouTube: query formulation and result classification
Simon Hachmeier

IBI|HU Berlin


Das Forschungsfeld Cover Song Identification (CSI) befasst sich mit der automatisierten Zuordnung von Audioaufnahmen basierend auf musikalischer Ähnlichkeit. Zuletzt wurden viele neue CSI Modelle vorgestellt, die bspw. den Metrik-Lern Paradigmen aufbauen und dabei traditionellere Ansätze übertreffen. Die Datensätze zum Training und zur Evaluierung dieser Modelle entstanden hierbei hauptsächlich durch die Auswahl von Songs auf der Online Platform Secondhandsongs. Die dort gesammelten Songs sind gruppiert nach Werken und basieren auf einem manuellen Such- und Validierungsprozess.

Als Alternative zur Beschaffung von Songs kann YouTube angesehen werden. Die hochgeladenen Inhalte werden hier von Künstlern bereitgestellt, aber auch von Musik-Fans. Daher ist eine hohe Varianz in verschiedensten Dimensionen der Inhalte zu erwarten, wie beispielsweise der Professionalität der Aufnahme und der Video-/Audio-Qualität. Da YouTube nicht nur auf musikalische Inhalte beschränkt ist, können auch Unterbrechungen in den Inhalten vorhanden sein.

In diesem Vortrag präsentieren wir ein Crowdsourcing Experiment zur Erstellung eines Musik-Datensatzes in Form von YouTube Videos. Wir verwenden aktuelle Modelle zweier Modalitäten (Metadaten und Audio/CSI) zur Gruppierung in sichere und unsichere Fälle. Darauf aufbauend, wählen wir letztere aus und beziehen Annotationen von Workern auf der Crowdsourcing Platform MTurk. In unserer Analyse evaluieren wir die Qualität des Crowdsourcings für den Anwendungsfall und zeigen Beispiele für Typen von YouTube Inhalten auf, die für aktuelle Modelle schwierig sind. Das resultierende Datenset soll bereitgestellt werden für die Nutzung zur anwendungsorientierten Evaluierung von CSI Modellen.

Metadata report

Related resources
Related featured and public collections
  BBK des letzten Semesters / BBK WiSe22/23
Search for similar resources

View full site
Language: British English
    Web Analytics
  • Home
  • Imprint
  • Contact us
  • Data Privacy Statement
The Media Repository is powered by CMS and ResourceSpace