Une contribution à la génération de musique symbolique, basée sur l'apprentissage profond et améliorée pour la théorie musicale et la prise en compte des émotions.

A contribution to music theory enhanced and emotion aware, Deep Learning based symbolic music generation.

• Auteur / Autrice : Miguel Civit masot
• Direction : Véronique Drai-zerbib, María José Escalona Cuaresma
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 05/09/2023
• Etablissement(s) : Bourgogne Franche-Comté en cotutelle avec Université de Séville
• Ecole(s) doctorale(s) : École doctorale Environnements, Santé (Dijon ; Besançon ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'Etude de l'apprentissage et du développement
• Partenaire(s) de recherche : établissement de préparation : Université de Bourgogne (1970-....)

Mots clés

Mots clés libres

Apprentissage profond

Génération musicale

Émotions

Deep Learning

Music Generation

Emotions

Résumé

Objectifs: Réaliser une étude de l'évolution des techniques de génération musicale. Réaliser une étude et une analyse des techniques d'évaluation des émotions appliquées à la génération, à la production et à l'enseignement musical. Étude sur l'impact de musical stimulus je, générés par l'IA ou non, au émotionnel État. Conception et mise en œuvre de divers scénarios d'évaluation Outils de génération, de production et d'enseignement basés sur l'IA. Tests d'assimilation de l'état émotionnel dans des environnements conçus. Méthodologie: Méthodologie agile avec des réunions hebdomadaires régulières pour établir les jalons à couvrir dans la période. Des jalons à long terme marqués par les dates limites de revues et/ou congrès à fort impact dans le domaine sur lequel se concentre la thèse et qui ont été préalablement sélectionnés. Travaux de recherche prévus à réaliser sous la forme de thèse par recueil d'articles. Médias: Localisation et matériel fourni par le groupe de recherche ES3 (Ingénierie et science des systèmes logiciels)et Laboratoire d'Etude des Apprentissages et du Développement de l'Université de Bourgogne Franche-Comté. Planification temporaire : Le travail de l'année zéro a commencé avec le professeur María José Escalona dans la planification de la thèse et la collecte d'informations pour l'analyse de l'état de l'art en matière de génération de musique à travers des techniques d'IA. La première année (déjà réalisée) a été axée sur la formation générale dans le domaine de la recherche pour la recherche, la consultation et la rédaction d'articles scientifiques.À l'intérieur de cette année, une recherche d'informations a été effectuée Génération de musique basée sur l'IA pour voir l'état de l'art et ainsi pouvoir développer une « revue de cadrage », qui a été publiée dans une revue incluse dans les JCR(T1).Étude la possibilité de concevoir des systèmes intelligents pour la génération, production et enseignement de la musique, donnant lieu à la publication d'un chapitre de livre.De plus, le doctorant a suivi divers cours ICI à propos Introduction à la recherche. Au cours de la 2ème année, cela a été prévu l' évaluation du stress et de l'engagement dans divers scénarios analysés à l'aide de la méthodologie AHP, d'enquêtes basées sur les SAM et de l'estimation de l'affectif état de l'utilisateur à travers des signaux physiologiques dans différentes activités liées à la musique dans le but de valider un logiciel par l'étude des expériences utilisateur. Une première expérience a déjà été réalisée dehors et il y a un article en cours de révision. Un séjour est également effectué, en vue de l'obtention du double diplôme, au Laboratoire d'Etude de l'Apprentissage et du Développement de l'Université Bourgogne Franche-Comté. Enfin, en 3ème année Ils réaliseront des tests complémentaires, selon la méthodologie développée, qui donneront lieu à au moins une publication supplémentaire. Durant cette période, le cadre de référence pour la validation des logiciels par les utilisateurs dans le domaine de la musique basée sur l'IA sera mis en œuvre.

Goals: Carry out a study of the evolution of music generation techniques. Carry out a study and analysis of emotion evaluation techniques applied to the generation, production and musical teaching. Study on the impact of musical stimuli, generated by AI or not, to the emotional state. Design and implementation of various scenarios in which to evaluate AI-based generation, production and teaching tools. Emotional state uptake tests in designed environments. Methodology: Agile methodology with regular weekly meetings to establish the milestones to be covered in period. Long-term milestones marked by the deadlines of high-impact journals and/or congresses within the area where the thesis focuses and that have been previously selected. Research work planned to be carried out in the modality of thesis by compendium of articles. Media: Location and material provided by the research group ES3 (Engineering and Science for Software Systems) and Laboratory for the Study of Learning and Development of the University of Burgundy Franche-Comté. Temporary planning: Year zero work began with Professor María José Escalona in planning the thesis and collecting information for the analysis of the state of the art in the generation of music through AI techniques. The first year (already completed) has been focused on general training in the field of research for search, consultation and writing of scientific articles.Inside of this year, an information search was carried outAI-based music generation to see the state of the art and, in this way, be able to develop a 'scoping review', which was published in a journal included in the JCRs(Q1). Study the possibility of designing intelligent systems for the generation, production and teaching of music, leading to the publication of a book chapter.In addition, the doctoral student took various ICE coursesabout Introduction to research. During the 2nd year it has been planned the evaluation of stress and engagement in various scenarios that are analyzed using the AHP methodology, surveys based on SAMs and the estimation of the affective state of the user through physiological signals in different activities related to music with the aim of validating software by studying user experiences. A first experience has already been carried out and there is an article under review. A stay is also being carried out, with a view to obtaining the double degree, at the Laboratoire d'Etude de l'Apprentissage et du Développement of the Université Bourgogne Franche-Comté. Finally, in the 3rd year They will carry out complementary tests, using the developed methodology, which will lead to at least one additional publication. In this period, the reference framework for software validation by users in the field of AI-based music will be implemented.