Dissertação

Automatically Generating Novel and Epic Music Tracks; Exploring Computational Creativity using Deep Structures against Music EVALUATED

A Criatividade Computacional é uma área aplicada que estuda algoritmos que permitem compreender a criatividade ou que desempenham tarefas usualmente consideradas criativas. Entre estes modelos encontram-se alguns modelos de Deep Learning, nomeadamente as Restricted Boltzmann Machines e as Generative Adversarial Networks, também vastamente estudados fora da área de Criatividade Computacional. Também dentro desta área podemos distinguir diferentes áreas de aplicação, como a música ou as artes visuais. Com o propósito de explorar a capacidade destes modelos trabalharem com dinâmicas musicais, este trabalho pretende focar-se na aplicação de modelos neuronais à tarefa de geração de música multitrack épica, seguindo uma abordagem geral e uma visão concordante com a área da Criatividade Computacional. Três modelos foram desenvolvidos, adaptados e posteriormente comparados: o HRBMM, o MuseGAN e o MuCyG. Depois de conduzir um questionário e de analisar os resultados obtidos, concluímos que nenhum destes modelos obteve avaliações consistentemente melhores que os outros. Os resultados também indicam que a metodologia usada conduziu a problemas de mode collapsing e que os produtos gerados não foram capazes de afetar o ouvinte da mesma forma que excertos épicos compostos por humanos.
Música, Redes Neuronais, Criatividade, Épico, Modelos Gerativos

Junho 4, 2019, 10:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Helena Sofia Andrade Nunes Pereira Pinto

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

David Manuel Martins de Matos

Departamento de Engenharia Informática (DEI)

Professor Auxiliar