北京化工大学信息学院22级硕士生苏雨航在音乐智能检索方向再次取得突破，继以第一作者身份在CCF-A级会议ACM Multimedia 2024发表论文音频检索方法AMG-Embedding后，其最新研究成果MIDI-Zero又被CCF-A级会议ACM SIGIR 2025接收。短短一年内连续在国际顶级学术会议发表论文，展示了苏雨航同学优秀的科研创新能力，以及信息学院在AI音乐检索领域的科研实力与人才培养水平。两篇论文的指导教师均为胡伟副教授和张帆教授。
MIDI-Zero：A MIDI-driven Self-Supervised Learning Approach for Music Retrieval
MIDI-Zero是一项全新的自监督学习框架，专注于音乐内容检索，涵盖音频识别、音频匹配和版本识别等核心子任务。与传统方法依赖音频信号或频谱图提取特征不同，MIDI-Zero完全基于MIDI表示运行。其最大亮点在于无需外部训练数据，所有训练数据根据预定义任务规则自动生成，彻底摆脱了对标注数据集或外部音乐库的依赖。MIDI-Zero不仅适用于符号音乐数据，还能通过音乐转录模型无缝处理音频任务。大量实验表明，MIDI-Zero在多项CBMR子任务中均取得优异表现。这一创新方法简化了特征提取流程，成功弥合了音频与符号音乐表示之间的差距，为音乐检索提供了灵活且高效的解决方案。
AMG-Embedding：a Self-Supervised Embedding Approach for Audio Identification
AMG-Embedding聚焦音频检索任务，旨在通过短音频片段从海量音乐库中精准检索完全匹配的内容。传统指纹识别方法依赖大量短时固定重叠片段特征，导致存储和计算成本高昂。而AMG-Embedding通过自监督学习和两阶段嵌入过程，将可变时长非重叠片段转化为高效嵌入表示，改变了传统范式。实验结果显示，AMG-Embedding在保持与传统指纹识别方法相当检索精度的同时，将存储需求和检索时间降低至不到其1/10。这一突破显著提升了音频检索系统的可扩展性和效率。
ACM SIGIR和ACM Multimedia作为中国计算机学会（CCF）认定的A级会议，代表了信息检索和多媒体领域的国际最高学术水平。研究团队在短短一年内连续在两大顶级会议上发表成果，体现了他们在AI音乐检索领域的深厚技术积累和学术引领力。