LEGATO 2 乐谱识别模型被 GPT-6 报告引用并用于 OMR 评测
alisawuffles · x · 2026-09-05
Guang Yang 等人发现其工作被 GPT-6 Astra 报告引用,GPT-6 甚至使用 LEGATO 相机子集做光学音乐识别(OMR)评测。
团队随后发布了升级版 LEGATO 2(arXiv:2607.05769):一个从乐谱图像中提取符号记谱与语义知识的流水线。要点:
- 首个按谱表逐行(system-by-system)顺序处理的大规模神经 OMR 模型,而非整页当一张图,可扩展到任意长度输入
- 首个能生成含标题、注释等内嵌文本的符号转录的 OMR 模型
- 结合谱表级分割与自回归视觉语言模型,兼顾局部符号细节与整体乐谱结构
- 多个数据集上全面超越此前 SOTA;符号转录还能补充视觉输入,提升前沿语言模型对密集音乐文档的理解
「模型」频道最新
- 扩散语言模型的偏见排名随采样配置改变,去偏后仍不稳定 — Bollegala · 2026-10-23
- 月付 20 美元同时跑 100 个 DeepSeek v4.1 flash agent — zack_overflow · 2026-10-23
- 从业者感叹开源音频模型连表征类质量都普遍拉胯 — gowthami_s · 2026-10-23
- 网友自曝用 Claude Opus 5.5 生成视频，泄露未发布模型名 — jwt0625 · 2026-10-23
- 安全圈激辩:OpenAI 限制安全研究员访问 Astra 是否失策 — cyb3rops · 2026-10-23
- Mistral Large 4 曝光:1T 参数、激活 49B,月底开源 — mervenoyann · 2026-10-23