Transcoda: 데이터 중심 합성 학습을 통한 종단 간 제로샷 광음악 인식 (Optical Music Recognition)

요약

본 기술 기사는 광음악 인식(OMR) 분야의 주요 난제들을 다루고 있습니다. 현재 OMR은 대규모 주석 데이터셋 부족과 비유일성 인코딩으로 인한 학습 및 디코딩 과정의 불확실성을 겪고 있습니다. 이를 해결하기 위해, 논문에서는 'Transcoda'라는 새로운 시스템을 제안하며, 이는 데이터 중심 합성 학습(data-centric synthetic learning) 접근 방식을 통해 OMR 성능 향상을 목표로 합니다.

핵심 포인트

• 광음악 인식(OMR)은 악보를 구조화된 텍스트로 변환하는 작업이지만, 대규모 주석 데이터셋 확보가 어렵다는 병목 현상이 존재합니다.
• 기존 OMR 시스템은 소수의 예시 기반 전이 학습이나 단순한 합성 학습에 의존해왔습니다.
• 음악 전사 포맷(예: Humdrum kern)의 비유일성 인코딩 문제로 인해, 하나의 시각적 악보가 여러 텍스트 표현으로 매핑되는 '일대다' 문제가 발생하여 높은 불확실성을 야기합니다.
• 제안된 Transcoda는 데이터 중심 합성 학습을 통해 이러한 OMR 시스템의 한계를 극복하고자 합니다.