【文件属性】：
文件名称：ddc:舞蹈舞蹈卷积数据集工具和模型
文件大小：3.02MB
文件格式：ZIP
更新时间：2021-05-27 16:05:33
Python
舞蹈舞蹈卷积
Dance Dance Convolution是用于Dance Dance Revolution（DDR）的自动编排系统，可将原始音频转换为可播放的舞蹈。
该存储库包含用于生成数据集的代码，并在得出结果。 您可以找到我们系统的现场演示以及示例。
本文的Fraxtil和In The Groove数据集分别是三个和两个StepMania“包”的合并。 可以在下面找到有关下载这些包和构建数据集的说明。
我们正在重新实现此代码（在master_v2分支master_v2 ），主要是为了实时添加特征提取并删除essentia依赖性。 但是，如果您想跳舞，可以先上master 。
如有任何问题，请给我发送电子邮件：cdonahue [@ at @] ucsd（.dot。）edu
归因
如果您在研究中使用此数据集，请通过以下BibTex引用：
@inproceedings{do
【文件预览】：
ddc-master
----.gitignore(6B)
----learn()
--------beatcalc.py(3KB)
--------gen_labels.py(325B)
--------chart.py(20KB)
--------extract_feats.py(4KB)
--------create_charts.py(4KB)
--------onset_extract.py(3KB)
--------onset_net.py(19KB)
--------onset_train.py(33KB)
--------sym_net.py(24KB)
--------util.py(6KB)
--------sym_train.py(26KB)
--------ngram.py(6KB)
--------dt_feats.py(1KB)
----dataset()
--------smdataset()
--------__init__.py(0B)
--------dataset_json.py(3KB)
--------preview_sm.py(2KB)
--------util.py(657B)
--------extract_json.py(6KB)
--------analyze_json.py(4KB)
--------filter_json.py(11KB)
--------preview_wav.py(3KB)
----scripts()
--------smd_1_extract.sh(110B)
--------sml_onset_0_extract.sh(187B)
--------smd_3_dataset.sh(673B)
--------smd_2_filter.sh(374B)
--------sml_onset_2_train.sh(1KB)
--------sml_sym_2_mark.sh(321B)
--------all.sh(134B)
--------sml_sym_1_chart_audio.sh(325B)
--------smd_0_push.sh(32B)
--------var.sh(39B)
--------sml_sym_1_chart.sh(242B)
--------sml_onset_4_export.sh(859B)
--------smd_all.sh(343B)
--------sml_0_push.sh(30B)
--------sml_onset_3_eval.sh(802B)
--------sml_sym_2_train.sh(1003B)
--------sml_onset_1_chart.sh(327B)
--------smd_4_analyze.sh(86B)
----README.md(4KB)
----labels()
--------fraxtil()
--------itg()
----infer()
--------server_aux()
--------Dockerfile(983B)
--------extract_feats.py(4KB)
--------docker_serve.sh(50B)
--------onset_net.py(19KB)
--------README.md(279B)
--------sym_net.py(24KB)
--------util.py(6KB)
--------ddc_server.py(13KB)
--------frontend()
----docs()
--------fig1.png(762KB)