Soft Dynamic Programming을 통한 완전 미분 가능한 신경망 강제 정렬 (Fully Differentiable Neural

요약

전통적인 HMM-GMM 방식의 한계를 극복하기 위해 소프트 동적 계획법(Soft Dynamic Programming)을 활용한 완전 미분 가능한 신경망 기반의 음소 정렬 모델을 제안합니다. 이 모델은 인코더와 디코더 구조를 통해 음소 정체성과 경계를 정밀하게 탐지하며, 기존 SOTA 기술보다 뛰어난 성능과 언어 일반화 능력을 보여줍니다.

핵심 포인트

• 소프트 동적 계획법을 통한 완전 미분 가능한 신경망 구조 제안
• 음소 정체성 검증과 경계 탐지를 위한 이중 브랜치 인코더 설계
• 대조 손실(Contrastive loss)을 활용한 엔드 투 엔드 최적화
• 기존 SOTA 대비 우수한 성능 및 미학습 언어에 대한 일반화 입증