RIVET: 견고한 멱등 음성 속성 편집
RIVET: Robust Idempotent Voice Attribute Editing
음성 속성 편집 모델은 화자 정체성을 보존하면서 나이와 성별과 같은 특성을 수정합니다. 그러나 대규모 음성 데이터셋에서 속성 주석은 종종 노이즈가 많거나 불일치하여, 조건부 생성 모델이 불안정한 편집 결과를 생성하게 할 수 있습니다. 본 연구에서는 멱등성(idempotency)이 노이즈 라벨에 대한 견고성을 향상시키는 효과적인 메커니즘을 제공함을 보여줍니다. 멱등 연산자는 반복 적용해도 결과가 변하지 않는 연산자, 즉 f(f(x)) = f(x)를 만족하는 연산자입니다. 이 속성을 강제하는 것은 잘못 라벨링된 예제에 대한 민감도를 낮추는 암묵적 정규화(implicit regularizer) 역할을 합니다. 우리는 라벨 노이즈에 대한 견고성을 향상시키기 위해 멱등성 목적함수(objective)를 통합한 학습 프레임워크인 RIVET를 소개합니다. 우리는 통제된 라벨 노이즈 환경과 자연스럽게 노이즈가 포함된 주석이 있는 GLOBE 데이터셋에서 RIVET를 평가했습니다. RIVET는 표준 학습보다 편집 성공률을 높이고 화자 정체성을 더 잘 보존하며, 이는 멱등성이 음성 편집 모델의 견고성을 향상시킴을 보여줍니다.