MétaCan
Menu
Retour à la cohorte
Enregistrement W4393458803 · doi:10.5281/zenodo.7520537

YM2413-MDB: A Multi-Instrumental FM Video Game Music Dataset with Emotion Annotations

2022· dataset· en· W4393458803 sur OpenAlexaff
Eun‐Jin Choi, Yoonjin Chung, Seolhee Lee, JongIk Jeon, Taegyun Kwon, Juhan Nam

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typedataset
Langueen
DomaineComputer Science
ThématiqueMusic and Audio Processing
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésComputer scienceInstrumental musicVideo gameMultimediaSpeech recognitionArtVisual arts

Résumé

récupéré en direct d'OpenAlex

YM2413-MDB is an 80s FM video game music dataset with multi-label emotion annotations. It includes 669 audio and MIDI files of music from Sega and MSX PC games in the 80s using YM2413, a programmable sound generator based on FM. The collected game music is arranged with a subset of 15 monophonic instruments and one drum instrument. They were converted from binary commands of the YM2413 sound chip. Each song was labeled with 19 emotion tags by two annotators and validated by three verifiers to obtain refined tags For more detailed information about the dataset, please refer to our paper: YM2413-MDB: A Multi-Instrumental FM Video Game Music Dataset with Emotion Annotations. <strong>File Description</strong> <strong>1) Pure data</strong> - original_vgms: crawled vgm files from SMS POWER and VGMRIPs - wav: rendered vgm files using VGMPlay <strong>2) MIDI data</strong> - midi/vgmplay_log_to_midi: converted midi files - midi/adjust_tempo: add postprocessing(metrically aligned using wav_downbeat files) after midi conversion - midi/adjust_tempo_remove_delayed_inst: add postprocessing(metrically aligned using wav_downbeat files, remove delayed instrument) after midi conversion <strong>3) Metadata</strong> - emotion_annotation/verified_annotation.csv: contains emotion annotation for each songs - tags_kor_eng.txt: Korean &lt;-&gt; English tag dictionary <strong>4) Useful middle-time step data</strong> - wav_downbeat: extracted downbeat values using TCNBeatTracker of madmom - vgm_txts: disassembled vgm files as txt using vgm2txt - ydr: YM2413 Disassembly Raw(YDR). command list of vgm files. generated by reading vgm_txts <strong>Update Log</strong> - version 1.0.1: Fix ticks per beat value adjust to tempo where tempo values are not 150. Also, madmom downbeat files are updated from DBNBeatTracker(ISMIR, 2015) to TCNBeatTracker(Newer one EUSIPCO, 2019). - version 1.0.2: <strong>Wrong emotion tag issue in the verification annotation file was fixed.</strong>

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0020,001
Science ouverte0,0030,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0520,003

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,047
Tête enseignante GPT0,256
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetMusic and Audio ProcessingTravaux en français237 207