호흡음 분류를 위한 품질 적응형 각도 마진 학습

요약

본 논문은 클래스 내 응집성과 클래스 간 분리성을 강화하는 품질 적응형 각도 마진 학습 프레임워크 QLung을 제안합니다. 이 프레임워크는 오디오 녹음 품질에 따라 각도 마진을 동적으로 조정하며, 특히 아웃-오브-디스트리뷰션(OOD) 환경에서 뛰어난 성능을 입증했습니다.

핵심 포인트

• QLung은 응집성 및 분리성을 강화하는 적응형 각도 마진 학습 프레임워크입니다.
• 녹음 품질에 따른 비참조 오디오 품질 마진을 도입하여 일반화 성능을 높였습니다.
• ICBHI 데이터셋에서 2.46%의 인-분포 성능 향상을 보였습니다.
• SPRSound 데이터셋에서 기존 SOTA 대비 가장 강력한 OOD 성능을 달성했습니다.