초록
음악 소스 분리(Music Source Separation)를 위한 계층적 메타학습 기반 모델인 Meta-TasNet을 제안한다. 이 모델은 개별 추출기 모델의 가중치를 예측하는 생성기 모델을 사용함으로써 효율적인 파라미터 공유를 가능하게 하면서도, 악기별 특화된 파라미터화를 유지할 수 있다. Meta-TasNet은 독립적으로 학습된 모델이나 다중 작업(Multi-task) 설정에서 학습된 모델보다 더 뛰어난 성능을 보이며, 최첨단 기법들과 비교해도 경쟁 가능한 성능을 달성한다. 특히 이러한 최첨단 기법들과 비교하여, 본 모델의 추출기 모듈은 더 적은 파라미터를 가지며 실행 속도도 빠르다. 본 연구에서는 모델 아키텍처의 중요한 고려 사항들을 논의하고, 이 접근법의 비용과 이점에 대해 탐구한다.