摘要

计算机能否判断钢琴演奏者的技能水平？评估这一水平时，基于对演奏者表现的视觉分析是否优于听觉判断？由于当前的卷积神经网络（CNN）在处理长视频时存在困难，如何采样较短的片段以最好地反映演奏者的技能水平？在这项研究中，我们收集并发布了首个用于多模态技能评估的数据集，重点关注评估钢琴演奏者的技能水平，回答了上述问题，并启动了自动评估钢琴演奏技能的研究工作，为未来的研究提供了基线。数据集可从以下链接获取：https://github.com/ParitoshParmar/Piano-Skills-Assessment。