很多文章的报道都是由微观而宏观，今日小编讲给大家带来的关于人工智能可以识别和评估小提琴手的弓弦运动的资讯也不例外，希翼可以在一定的程度上开阔你们的视野！y有对人工智能可以识别和评估小提琴手的弓弦运动这篇文章感兴趣的小伙伴可以一起来看看

在播放音乐时，手势非常重要，部分原因是它们与声音和音乐家的表现力直接相关。如今，存在捕捉运动并能够非常精确地检测手势细节的技术。UPF信息与通信技术部(DTIC)音乐技术集团(MTG)的音乐和机器学习实验室的成员David Dalmazzo和RafaelRamírez 在 3月本月发表于《心理学前沿》的一项研究中，申请了UPF人工智能，可以根据表演者的动作对小提琴弓形手势进行自动分类。

“我们记录了由专业小提琴家进行的与七种代表性弓技术(Détaché，Martelé，Spiccato，Ricochet，Sautillé，Staccato和Bariolage)相对应的运动和音频数据。我们从右前臂获得了有关惯性运动的信息，并将其与录音”，研究作者Dalmazzo和Ramírez解释说。

本研究中使用的数据可在在线公共资源库中获得。在提取了有关运动和音频信息的特征后，研究人员训练了一个系统，该系统可以自动识别用于拉小提琴的不同弓法。该模型可以确定研究的不同技术的准确性超过94%。结果使这项工作能够应用于实际的学习情况，在这种情况下，小提琴的学生可以从系统实时提供的反馈中受益。

这项研究是在TELMI(乐器的技术增强学习性能)项目的框架内进行的。其目的是研究技术(传感器，多模式数据，人工智能和计算机系统)如何改善音乐学生的实践，帮助他们专注于良好实践的精确进展，尤其是在结合新的音乐技能时。

以小提琴为案例研究，该项目的主要目标之一是为学生提供实时反馈，并同意 他们与顶尖专家进行比较。该项目的首席研究员拉斐尔·拉米雷斯(RafaelRamírez)补充说：“我们的发现已被推广到其他乐器，并已应用于音乐教育环境。”