Conducting is an act of communication between the conductor and players by human motion in real-time, and beats are the key to analyzing the conducting motion. However, it is hard to follow conducting motions without contextual information because there are different types of conducting styles. In this thesis, we will solve the conducting beat tracking problem using dynamic programming and neural networks. We created ground-truth beat labels to perform a quantitative evaluation and supervised learning, and we suggest two new approaches that use contextual information include the tempo of musical pieces. The handcrafted method detects bouncing motions and fast strokes, and the recurrent neural networks are trained in a supervised manner. Both approaches revealed good performance, in the quantitative and qualitative analysis.
지휘는 인간의 몸짓으로 지휘자와 연주자가 실시간으로 소통하는 활동이며, 박자는 지휘 동작을 분석하는 데 필수적이다. 한편, 다양한 지휘 방식 때문에 문맥 정보 없이는 지휘 동작을 따라가기가 힘들다. 본 논문에서는 동적 계획법과 신경망을 이용하여 지휘 박자 추적 문제를 해결한다. 정량적인 평가 및 지도 학습을 수행하기 위해 실제 박자 레이블을 생성하였으며, 악곡의 빠르기와 같은 문맥 정보를 활용할 수 있는 두 가지 새로운 접근 방법을 제안한다. 수작업으로 개발된 방법은 튀어오르는 움직임과 빠른 타격을 감지하며, 순환 신경망은 지도 학습으로 훈련된다. 두 방법 모두 정량적 및 정성적 분석에서 좋은 성능을 나타냈다.