바흐 스타일의 기보 음악 생성 모델링: 자기회귀적, 잠재 변수 기반, 적대적 접근 방식 비교 연구

우리는 공유 MIDI 코퍼스를 사용하여 바흐 스타일의 기보 피아노 음악을 생성 모델링하는 연구를 수행했으며, 이 과정에서 세 가지 모델 계열(attention이 적용된 자기회귀적 LSTM, 순환 VAE 및 벡터 양자화 VAE를 포함한 잠재 변수 기반 모델, 그리고 생성 적대 신경망)을 사용했습니다. 우리는 각 모델이 다성부 음표 시퀀스를 모델링하는 능력, 유용한 잠재 표현(latent representations)을 학습하는 능력, 그리고 스타일적으로 일관된 작곡을 생성하는 능력을 비교했습니다. 실험 결과에 따르면, attention이 적용된 자기회귀적 LSTM이 가장 음악적으로 일관성 있는 샘플을 생성하는 것으로 나타났으며, 벡터 양자화는 사후 분포 붕괴(posterior collapse)를 완화하고 기존의 순환 VAE보다 더 구조적인 출력을 제공하는 데 도움이 되었습니다. 적대적 접근 방식은 국소적인 음정 패턴을 포착하지만 학습시키기 어렵고 바흐 스타일로 일반화되는 것이 상대적으로 불안정했습니다. 이러한 결과는 기보 음악 생성을 위한 자기회귀적, 잠재 변수 기반, 그리고 적대적 접근 방식들의 상대적인 강점과 실패 모드를 강조합니다.