순서가 있습니다. 포털 넷(연구방·지식센터·커뮤니티·아카데미)을 먼저 담고,
SSRA 는 맨 나중에 담아 주세요. SSRA 를 먼저 담으면 나머지가 그 안에 포함된 것으로
잡혀 따로 담기지 않습니다. 아이콘도 담을 차례대로 놓았습니다 — 왼쪽부터 차례로 누르시면 됩니다.
WavLM: Large-Scale Self-Supervised Pre-Training for Full Stack Speech Processing
Sanyuan Chen, Chengyi Wang, Zhengyang Chen 외 · IEEE Journal of Selected Topics in Signal Processing · 2022년 · 조회 8
왜 이 논문인가 — 선정 기준
RESEARCH PAPER · 후속 연구설계에 활용하기 좋은 논문 — 척도·모형·프레임워크류, 피인용 다수
2022-07 발표 · 피인용 4,352회 · 분야 내 인용 영향력 상위권 · 동년 인용 상위 1% · 참고문헌 105개
‘RESEARCH PAPER’ 슬롯은 후속 연구 설계에 활용 가능성을 강조하는데, 2022년 발표된 본 논문은 4,352회 인용·상위 1% 영향력으로 연구 기반이 튼튼하다.
논문 요약
음성 인식에서 성공을 거둔 자기지도 학습을 다른 음성 처리 과제로 확대하고자 한다. 저자는 마스크 음성 예측과 잡음 제거를 동시에 수행하는 사전학습 목표를 도입한 WavLM 모델을 제안한다. 또한 Transformer 구조에 게이트형 상대 위치 편향을 적용해 입력 음성의 순서를 더 잘 포착한다. 대규모 학습 데이터를 활용한 실험 결과, 내용 모델링은 유지하면서 비-ASR 작업에서도 성능 향상이 기대된다.
후속 연구설계에 활용하기
WavLM의 두 사전학습 손실(마스크 예측, 잡음 제거)을 변수로 설정하고, 다양한 다운스트림 음성 과제에서 성능 차이를 비교하는 설계에 활용할 수 있다.
핵심어
자기지도 학습음성 처리마스크 예측잡음 제거
실존 확인
이 논문은 OpenAlex에서 후보로 수집한 뒤, Crossref에 등록된 DOI와 제목 일치를 확인해 노출합니다.
SSRA가 문헌연구에서 인용 논문의 실재 여부를 검증하는 원칙과 같습니다.