1 |
1
부호화 장치가 수행하는 오디오 신호의 부호화 방법에 있어서,입력 신호를 식별하는 단계; 상기 입력 신호로부터, 상기 입력 신호의 특징을 나타내는 조건 벡터를 추출하는 단계; 상기 입력 신호 및 상기 조건 벡터를 트레이닝된 학습 모델에 입력하여 잠재 변수 신호를 생성하는 단계; 및 상기 조건 벡터 및 잠재 변수 신호를 양자화하여 비트스트림을 생성하는 단계를 포함하는 부호화 방법
|
2 |
2
제1항에 있어서,상기 학습 모델은, 상기 입력 신호 및 상기 조건 벡터로부터 생성되는 잠재 변수 신호의 확률 분포가, 상기 입력 신호에 대응되도록 트레이닝되는, 부호화 방법
|
3 |
3
제1항에 있어서,상기 조건 벡터는,상기 입력 신호에 대해, 선형 예측 코딩을 이용하여 추출되는 선형 예측 계수인, 부호화 방법
|
4 |
4
제1항에 있어서,상기 조건 벡터를 추출하는 단계는,상기 입력 신호를 오토인코더(autoencoder)에 입력하여, 상기 입력 신호의 차원 보다 적은 차원으로 나타나는 특성 신호를 조건 벡터로 결정하는, 부호화 방법
|
5 |
5
제1항에 있어서,상기 조건 벡터를 추출하는 단계는,상기 입력 신호에 대응하는 멜-스펙트로그램(Mel-spectrogram)을 조건 벡터로 생성하는, 부호화 방법
|
6 |
6
제1항에 있어서,상기 비트스트림을 생성하는 단계는,부호화의 비트율이 일정 기준 이하로 제한되는 경우, 상기 학습 모델을 이용하여 결정한 상기 잠재 변수 신호의 확률 분포 정보를, 상기 조건 벡터와 양자화하고 비트스트림을 생성하는, 부호화 방법
|
7 |
7
복호화 장치가 수행하는 오디오 신호의 복호화 방법에 있어서,부호화 장치로부터 비트스트림을 수신하는 단계; 상기 비트스트림으로부터 추출한 조건 벡터 및 잠재 변수 신호를 역양자화하는 단계; 및 상기 역양자화된 조건 벡터 및 잠재 변수 신호를 트레이닝된 학습 모델에 입력하여 출력 신호를 복호화하는 단계를 포함하는 복호화 방법
|
8 |
8
제7항에 있어서,상기 학습 모델은, 상기 조건 벡터에 기초하여, 상기 잠재 변수 신호에 대해 정규화 플로우 과정을 수행함으로써, 상기 잠재 변수 신호의 확률 분포가 상기 출력 신호에 대응하도록 트레이닝되는, 복호화 방법
|
9 |
9
제7항에 있어서,상기 역양자화하는 단계는, 상기 비트스트림이 잠재 변수 신호의 확률분포 정보와 조건 벡터를 포함하는 경우, 상기 비트스트림으로부터 추출한 상기 잠재 변수 신호의 확률분포 정보와 조건 벡터를 역양자화하고, 상기 복호화하는 단계는,상기 역양자화된 잠재 변수 신호의 확률분포 정보와 조건 벡터를 트레이닝된 학습 모델에 입력하여 출력 신호를 복호화하는, 복호화 방법
|
10 |
10
트레이닝 장치가 수행하는 학습 모델의 트레이닝 방법에 있어서,입력 신호를 식별하는 단계; 상기 입력 신호로부터, 상기 입력 신호의 특징을 나타내는 조건 벡터를 추출하는 단계; 복수의 가중치를 포함하는 학습 모델에 상기 입력 신호 및 상기 조건 벡터를 입력하여 잠재 변수 신호를 생성하는 단계; 상기 잠재 변수 신호와 상기 학습 모델의 가중치에 기초하여 손실 값을 결정하는 단계; 및 상기 손실 값이 최소가 되도록 상기 학습 모델의 가중치를 업데이트 하는 단계를 포함하는 트레이닝 방법
|
11 |
11
제10항에 있어서,상기 조건 벡터는,상기 입력 신호에 대해, 선형 예측 코딩을 이용하여 추출되는 선형 예측 계수인, 트레이닝 방법
|
12 |
12
제10항에 있어서,상기 조건 벡터를 추출하는 단계는,상기 입력 신호를 오토인코더(autoencoder)에 입력하여, 상기 입력 신호의 차원 보다 적은 차원으로 나타나는 특성 신호를 조건 벡터로 결정하는, 트레이닝 방법
|
13 |
13
제10항에 있어서,상기 조건 벡터를 추출하는 단계는,상기 입력 신호에 대응하는 멜-스펙트로그램(Mel-spectrogram)을 조건 벡터로 생성하는, 트레이닝 방법
|
14 |
14
부호화 장치가 수행하는 오디오 신호의 부호화 방법에 있어서,입력 신호를 식별하는 단계; 상기 입력 신호를 트레이닝된 학습 모델에 입력하여 잠재 변수 신호를 생성하는 단계; 및 상기 생성된 잠재 변수 신호를 양자화하여 비트스트림을 생성하는 단계를 포함하는 부호화 방법
|
15 |
15
제14항에 있어서,상기 학습 모델은, 상기 입력 신호로부터 생성되는 잠재 변수 신호의 확률 분포가, 상기 입력 신호에 대응되도록 트레이닝되는, 부호화 방법
|
16 |
16
제14항에 있어서,상기 비트스트림을 생성하는 단계는,부호화의 비트율이 일정 기준 이하로 제한되는 경우, 상기 학습 모델을 이용하여 결정한 상기 잠재 변수 신호의 확률분포 정보를, 양자화하고 비트스트림을 생성하는, 부호화 방법
|
17 |
17
복호화 장치가 수행하는 오디오 신호의 복호화 방법에 있어서,부호화 장치로부터 비트스트림을 수신하는 단계; 상기 비트스트림으로부터 추출한 잠재 변수 신호를 역양자화하는 단계; 및 상기 역양자화된 잠재 변수 신호를 트레이닝된 학습 모델에 입력하여 출력 신호를 복호화하는 단계를 포함하는 복호화 방법
|
18 |
18
제17항에 있어서,상기 학습 모델은, 상기 잠재 변수 신호에 대해 정규화 플로우 과정을 수행함으로써, 상기 잠재 변수 신호의 확률 분포가 상기 출력 신호에 대응하도록 트레이닝되는, 복호화 방법
|
19 |
19
제17항에 있어서,상기 역양자화하는 단계는, 상기 비트스트림이 잠재 변수 신호의 확률분포 정보를 포함하는 경우, 상기 비트스트림으로부터 추출한 상기 잠재 변수 신호의 확률분포 정보를 역양자화하고, 상기 복호화하는 단계는,상기 역양자화된 잠재 변수 신호의 확률분포 정보를 트레이닝된 학습 모델에 입력하여 출력 신호를 복호화하는, 복호화 방법
|
20 |
20
트레이닝 장치가 수행하는 학습 모델의 트레이닝 방법에 있어서,입력 신호를 식별하는 단계; 복수의 가중치를 포함하는 학습 모델에 상기 입력 신호를 입력하여 잠재 변수 신호를 생성하는 단계; 및 상기 잠재 변수 신호와 상기 학습 모델의 가중치에 기초하여 손실 값을 결정하는 단계; 및 상기 손실 값이 최소가 되도록 상기 학습 모델의 가중치를 업데이트 하는 단계를 포함하는 트레이닝 방법
|