楽曲動画印象データセット配布サイト

サビ区間印象評価データセット

概要

本ページは，『楽曲動画への印象評価データセット構築とその特性の評価』[1]を通して構築した，評価用データセットの配布を目的としたページです．本データセットには，500件の楽曲動画に対して，楽曲のサビ区間30秒で切り出された「音声」「映像」，「音声+映像」という3つのメディアに対して少なくとも3名の評価者による印象評価値の平均が含まれています．本データセットは，楽曲の印象理解技術，およびそれに基づく楽曲検索技術の実現を目的とした研究用データセットです．

データ収集方法

収集期間

2015年3月〜2015年5月

評価者

大学生20名，大学教員1名の計21名

対象楽曲動画

動画共有サービス「ニコニコ動画」に投稿された楽曲動画のうち，「VOCALOID」タグの付与された，2012年8月時点で再生数の多い楽曲動画かつ，2015年3月時点で公開中の動画上位500件が評価対象動画です．具体的な個々の動画の情報については，データセット内の動画IDからニコニコ動画の当該ページにアクセスください．

収集方法

評価者は，楽曲動画の，サビ開始5秒前から30秒間の区間によって切り出された，「楽曲動画の音声のみ」，「楽曲動画の映像のみ」，「楽曲動画の音声と映像」という3種類のメディアに対して印象評価を行った． 評価者は，右図に示すWebインタフェースを用いて評価を行った．評価者はまず，与えられたコンテンツを視聴し，その後，8つの印象カテゴリについて，それぞれの評価値をアノテーションした．各印象カテゴリを評価にあたり，評価者は下記の表に示した印象を表す形容詞・形容同士語群をみながら，コンテンツが指定された印象に当てはまる度合いを5段階で評価した．このとき，印象カテゴリC1〜C6については，1から5の5段階，ValenceとArousalについては，-2から2の5段階のリッカート尺度で回答を行った．なお，楽曲あるいは映像を試聴せずに評価してしまうことがないように，30秒のコンテンツを全て視聴し終えるまで，評価ボタンは押下できないようにした．
1件の楽曲動画あたり，最低3名の評価者が評価を行い，その平均値を，その楽曲動画の印象を表す評価値をして用いた．

印象クラス印象を表す形容詞・形容動詞
C1（堂々）堂々とした，どっしりとした，心躍る，にぎやかな
C2（元気が出る）元気が出る，楽しい気持ちにさせる，陽気な，心地よい
C3（切ない）切ない，悲痛な，ほろ苦い，気が滅入る，哀愁の
C4（激しい）アグレッシブな，激しい，興奮させる，
熱情的な，感情あらわな
C5（滑稽）滑稽な，ユーモラスな，面白げな，奇抜な，
気まぐれな，いたずらっぽい
C6（可愛い）可愛らしい，愛くるしげ，愛おしい，かわいい
Valence明るい気持ちになる，楽しい，暗い気持ちになる，悲しい
Arousal激しい，積極的な，強気な，穏やか，消極的な，弱気な

より詳細なデータ収集方法については，文献 [1] を参照ください．

ダウンロード

Zipファイルを解凍すると，NicoNicoVideoMoodDataset500ChorusAudio.tsv，NicoNicoVideoMoodDataset500ChorusVisual.tsv，NicoNicoVideoMoodDataset500ChorusMovie.tsvという3種類のtsvファイルがあります．前者からそれぞれ，「音声のみ」，「映像のみ」，「音声+映像」のコンテンツに対する評価値をまとめたファイルとなっています．各TSVファイルの各カラムの意味は以下の通りです．

文献

本データセットを使用した論文を執筆される際には，下記文献 [1] を引用ください．

[1] 大野 直紀, 中村 聡史, 山本 岳洋, 後藤 真孝: 音楽動画への印象評価データセット構築とその特性の調査, 情報処理学会 研究報告音楽情報科学（MUS）,2015-MUS-108(7),1-9 (2015-08-24) , 2188-8752.

中村聡史（明治大学）， 山本岳洋（京都大学）

本研究は．「科学技術振興機構 OngaCRESTプロジェクト」による支援を受けました．ここに記して謝意を表します．