**MuSViT：首个面向乐谱表示的基础视觉模型**

_MuSViT: A Foundation Vision Model for Sheet Music Representation_

> HuggingFace Daily Papers 推出 MuSViT，这是首个基于 970 万页 IMSLP 数据预训练的音乐乐谱视觉基础模型。该模型采用掩码自编码器架构，在乐谱识别、符号检测等下游任务中表现优异，其嵌入空间能直接编码音乐符号结构，弥补了通用视觉编码器在结构化符号处理上的不足。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.31811)