EquiSELD: 등변 음향 이벤트 검출 및 위치 추정 네트워크의 효율적 학습
EquiSELD: Efficient training of equivariant sound event localization and detection networks
1차 앰비소닉스(FOA) 신호는 정확한 O(3) 대칭성을 나타낸다. FOA 신호를 회전하거나 반사하면 음원 자체는 유지되면서 음원의 도달 방향(direction of arrival)만 바뀐다. FOA의 이러한 공간 대칭성을 활용해 음향 이벤트 검출 및 위치 추정(SELD) 시스템의 효율과 견고성을 높이려 한 기존 시도들은 회전 기반 증강으로 대칭성의 근사만 학습했거나, 등변성을 통합하기 위해 계산 비용이 큰 방법에 의존했다. 또한 선행 연구는 SO(3) 등변성에만 집중해 SELD 과제에 O(3) 등변성을 도입할 잠재력을 불분명하게 남겼다. 이러한 한계를 해결하기 위해 EquiSELD를 개발했다. 이 등변 어텐션 네트워크는 1차 앰비소닉스를 O(3)-불변 스칼라와 등변 intensity 벡터의 쌍(pair) 스트림으로 처리하고, Multi-ACCDOA readout을 통해 불변 활동(activity) 크기와 등변 DOA를 산출한다. O(3)와 SO(3) 등변성의 영향을 비교하기 위해 SO(3)만 사용하는 짝 맞춘(matched) 변형을 설계했다. EquiSELD는 측정된 RIR(룸 임펄스 응답)을 사용한 시뮬레이션 장면과 실제 음향 장면 녹음 모두에서, 훨씬 적은 학습 비용으로 기존 등변 네트워크를 능가한다. EquiSELD는 또한 시뮬레이션된 실제 음향 장면에서 유사한 규모의 비등변 SELD 네트워크 성능을 넘어서며, 실제 음향 장면에서는 경쟁력 있는 성능을 달성한다.