텍스트-음악 생성 모델의 급격한 확장은 전통적인 음악 창작 및 지식재산권 패러다임에 도전 과제를 제기하고 있습니다. 이러한 맥락에서 표절은 절대적인 수학적 이분법으로 나뉘기보다는 화성 구조, 멜로디 윤곽, 또는 전반적으로 인지되는 스타일적 특성에 걸쳐 절충되는 모호한 임계값에 가깝습니다. 본 연구에서는 최신 음악 버전 식별(version identification) 아키텍처를 인간 대 인간의 커버 곡 영역에서 인간 대 AI의 표절 환경으로 전이할 수 있는지를 테스트합니다. 이 작업을 평가(evaluation)하기 위해, 실제 표절 사례에서 도출하고 생성적 재합성(re-synthesis) 및 디지털 신호 처리 난독화를 통해 확장하여 350,654개의 평가 쌍을 구축한 벤치마크(benchmark)인 COPYCAT을 제안합니다. 우리는 스칼라 거리 임계값 방식이 생성적 재합성 환경에서 성능이 급격히 저하되는 반면, 좌표별 임베딩(embedding) 변화를 활용하는 지도학습 프레임워크는 분산된 표절 신호를 복원하여 전반적인 $F_{0.5}$ 점수를 $0.612$에서 $0.803$으로 끌어올림을 보여줍니다.
AI 모델이 점차 복잡해짐에 따라 신뢰 구축을 위한 설명가능성(explainability)이 필수적이지만, 개념 기반 반사실적(counterfactual) 방법들은 여전히 표현력과 효율성 사이의 상충 관계(trade-off)에 직면해 있습니다. 기저 개념을 원자적 집합(atomic sets)으로 표현하는 것은 빠르지만 관계적 맥락을 놓치며, 완전한 그래프 표현은 더 충실하지만 NP-난해인 그래프 편집 거리(GED) 문제를 해결해야 합니다. 본 논문에서는 데이터 체제(data regime)와 연산 예산에 적응하는 개념적 반사실적 설명을 위한 통합형 모델 불가지론적(model-agnostic) 다중 해상도 프레임워크인 U-CECE를 제안합니다. U-CECE는 세 가지 수준의 표현력을 포괄합니다. 즉, 포괄적인 설명을 위한 원자적 개념, 단순한 상호작용을 위한 관계적 집합의 집합(sets-of-sets), 그리고 완전한 의미 구조를 위한 구조적 그래프입니다. 구조적 수준에서는 지도 학습 기반 그래프 신경망(GNN)을 활용하는 정밀도 지향 트랜스덕티브(transductive) 모드와 비지도 학습 기반 그래프 오토인코더(GAE)를 활용하는 확장 가능한 인덕티브(inductive) 모드를 모두 지원합니다. 구조적으로 상이한 CUB 및 Visual Genome 데이터셋에 대한 실험을 통해 각 수준별 효율성-표현력 상충 관계를 규명하였으며, 설문조사와 대규모 비전-언어 모델(LVLM) 기반 평가를 통해 CUB에서 검색된 구조적 반사실적 설명이 기준 결정론적 GED 기반 설명과 의미론적으로 동등하다고 평가되는 경우가 많고, 이를 능가하여 선호되기도 함을 입증했습니다.
화음 진행(chord progression)은 음악의 구조 및 전달되는 감정과 관련된 중요한 정보를 담고 있습니다. 이는 음악 작곡의 중추 역할을 하며, 많은 경우 음악가가 음악을 따라 연주하는 데 필요한 유일한 정보이기도 합니다. 이러한 중요성에도 불구하고, 데이터 도메인으로서의 화음 진행은 여전히 충분히 탐색되지 않았습니다. 기존 데이터셋은 음악 이해 모델을 엄격하게 평가(evaluation)하는 데 필요한 규모, 구조적 주석, 메타데이터 다양성이 부족합니다. 본 연구에서는 사용자 생성 진행 및 관련 메타데이터의 다양한 소스를 스크래핑하여 제작되었으며, 널리 확립된 이전 데이터셋들과 강한 유사성을 보이는 666,000개 이상의 곡 수준 심볼릭 화음 진행을 포함하는 해당 분야 최대 규모의 데이터셋인 Chordonomicon을 제시합니다. 이 데이터셋은 구조적 파트(verse, chorus, bridge 등), 장르, 발매일로 주석이 달려 있습니다. 데이터셋 자체를 넘어, 엄격한 완전 일치(exact-match) 평가 기준 하에 여러 컨텍스트 윈도우(context window) 크기와 데이터 규모에 걸쳐 세 가지 시퀀스 모델링 아키텍처(RNN, GRU, LSTM)를 평가하는 다음 화음 예측을 위한 재현 가능한 벤치마크(benchmark) 스위트를 제안합니다. 실험 결과, 구조적 파트 주석이 예측 성능을 일관되게 향상시키는 것으로 나타났습니다. Chordonomicon은 화음 예측, 분류(classification), 생성 등을 다루는 향후 연구의 공정하고 재현 가능한 비교를 지원하기 위해 분할 방법론, 베이스라인, 평가 프로토콜을 함께 제공하는 공개 벤치마크로 출시됩니다.
복잡한 장면에서의 자율 주행은 모델이 학습 중에 접하지 못한 시나리오 전반에 걸쳐 신뢰할 수 있는 인식을 필요로 합니다. 이동 경로를 따라가는 동안 자율 주행 프레임워크는 인식하도록 학습된 객체, 한 번도 본 적 없는 장애물, 그리고 객체와 유사하게 보이는 배경 구조를 마주하게 됩니다. 이 세 가지는 각각 다르게 처리되어야 합니다. 이를 해결하기 위해 기존의 오픈셋(open-set) 및 분포 외(out-of-distribution) 탐지기는 객체성(objectness) 임계값으로 신뢰도가 낮은 탐지 결과를 먼저 제거한 뒤, 나머지에 대해서만 새로움(novelty)을 검사합니다. 이처럼 단일 임계값을 강제하면 트레이드오프가 발생하는데, 임계값이 낮으면 탐지된 객체에 배경 잡음이 추가되고, 임계값이 높으면 필요한 새로운 객체가 제거될 수 있습니다. 이에 우리는 오픈셋 탐지를 각 탐지 결과를 알려진 객체, 알려지지 않은 객체, 배경 중 하나로 분류하는 3-way 분류(three-way classification)로 정식화하며, 이는 사전학습된 탐지기의 출력으로부터 사후(post hoc)에 계산됩니다. 우리는 도메인 일반화(domain generalization)와 도메인 적응(domain adaptation)을 위한 방법을 개발하고, 의미론적 도메인 이동과 공변량 도메인 이동이 결합된 경우까지 포함하여 다양한 탐지기 계열과 벤치마크에서 평가합니다. 내비게이션 상황에서 이 프레임워크를 검증하기 위해, 측정된 탐지 성능으로 매개변수화한 시뮬레이션을 수행합니다. 그 결과, 3-way 결정이 이진(binary) 대안보다 더 안전하고 효율적인 임무 수행을 가능하게 함을 보여줍니다.