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.
junho 4, 2019, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Helena Sofia Andrade Nunes Pereira Pinto
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Auxiliar