| Summary: | Cette thèse propose une collection des nouveaux outils pour la représentation musicale. Ces modèles ont deux caractéristiques principales. D'un côté, ils sont inspirés par la géométrie et la topologie. De l'autre côté, ils ont une basse dimensionnalité, afin de garantir une visualisation intuitive des caractéristiques musicales qu'ils représentent. On s'est attaqué au problème de l'analyse musicale à partir de trois points de vue. On a représenté le contrepoint en utilisant des séries temporelles multivariées de matrices de permutations partielles. On a visualisé la conduite des voix en utilisant une classe particulière des tresses partielles et singulières. On donne ensuite une interpretation du Tonnetz comme complex simplicial et on utilise l'homologie persistante, afin de classifier des formes obtenues en déformant les sommets du Tonnetz. Ces déformations sont induites soit par des fonctions qui prennent en compte la nature symbolique de la musique, soit l'interaction symbol/signal. Les modèles basés sur la persistence topologique ont été testés sur une collection hétérogène de bases de données. Ces deux approches sont finalement combinées pour donner un troisième point de vue, qui a donné deux applications. Premièrement, on utilise l'alignement multiple des sequences, pour comparer plusieurs structures harmoniques et sémantiques déduites du signal audio, afin de visualiser et quantifier la propagation d’idée musicales entre artistes, genres et différentes époques. Ensuite on développe la théorie nécessaire pour comparer deux systèmes qui varient dans le temps, en représentant leurs caractéristiques géométriques comme des séries temporelles de diagrammes de persistence. === In this work, we suggest a collection of novel models for the representation of music. These models are endowed with two main features. First, they originate from a topological and geometrical inspiration; second, their low dimensionality allows to build simple and informative visualisations. We tackle the problem of music representation following three non-orthogonal directions. First, we propose an interpretation of counterpoint as a multivariate time series of partial permutation matrices, whose observations are characterised by a degree of complexity. After providing both a static and a dynamic representation of counterpoint, voice leadings are reinterpreted as a special class of partial singular braids, and their main features are visualised. Thereafter, we give a topological interpretation of the Tonnetz (a graph commonly used in computational musicology), whose vertices are deformed by both a harmonic and a consonance-oriented function. The shapes derived from these deformations are classified using the formalism of persistent homology. Thus, this novel representation of music is evaluated on a collection of heterogenous musical datasets. Finally, a combination of the two approaches is proposed. A model at the crossroad between the signal and symbolic analysis of music uses multiple sequences alignment to provide an encompassing, novel viewpoint on the musical inspiration transfer among compositions belonging to different artists, genres and time. Then, music is represented as a time series of topological fingerprints, allowing the comparison of pairs of time-varying shapes in both topological and musical terms.
|
|---|
