| 1 |
1
백색 잡음 모델링 기반 양자화 과정을 이용하여 입력 신호에 대응하는 양자화된 잠재 벡터 및 복원 신호를 생성하는 단계;상기 입력 신호와 상기 복원 신호 및 상기 양자화된 잠재 벡터를 기초로 신경망 기반 오디오 코덱의 학습을 위한 총 손실 함수를 결정하는 단계;상기 총 손실 함수를 사용하여 신경망 기반 오디오 코덱을 학습하는 단계; 및학습된 신경망을 검증하여 최종 신경망 기반 오디오 코덱을 결정하는 단계를 포함하는 신경망 기반 오디오 코덱 설계 방법
|
| 2 |
2
제1항에 있어서상기 복원 신호를 생성하는 단계는,상기 입력 신호를 신경망 기반 오디오 코덱의 부호화부에 입력하는 단계;상기 부호화부에서 출력된 잠재 벡터를 백색 잡음 모델링을 이용하여 양자화하는 단계; 및상기 양자화된 잠재 벡터를 신경망 기반 오디오 코덱의 복호화부에 입력하여 상기 입력 신호에 대한 복원 신호를 생성하는 단계를 포함하는 신경망 기반 오디오 코덱 설계 방법
|
| 3 |
3
제2항에 있어서,상기 양자화하는 단계는,상기 잠재 벡터에 와핑(warping)을 수행하여 벡터내 각 요소의 크기를 기 설정된 범위 안으로 제한하는 단계;양자화 잡음에 해당하는 랜덤 잡음을 와핑된 잠재 벡터에 추가하는 단계; 및상기 랜덤 잡음이 추가된 잠재 벡터에 디와핑(de-warping)을 수행하여 상기 양자화된 잠재 벡터를 출력하는 단계를 포함하는 신경망 기반 오디오 코덱 설계 방법
|
| 4 |
4
제3항에 있어서,상기 랜덤 잡음은,신경망 기반 오디오 코덱의 양자화 스텝에 따라 발생 범위 및 분포가 결정되는 신경망 기반 오디오 코덱 설계 방법
|
| 5 |
5
제1항에 있어서,상기 총 손실 함수를 결정하는 단계는,상기 입력 신호와 상기 복원 신호의 평균 자승 오차(Mean Squared Error, MSE)를 이용하여 결정된 복원 손실항과 양자화된 잠재벡 터의 엔트로피로부터 결정된 비트율 제어 손실항 및 인간의 지각적 특성을 반영하는 지각적 손실항 중 적어도 하나를 이용하여 상기 총 손실 함수를 결정하는 신경망 기반 오디오 코덱 설계 방법
|
| 6 |
6
제1항에 있어서,상기 신경망을 학습하는 단계는,상기 총 손실 함수를 신경망 기반 오디오 코덱을 통해 역전파시킴으로써 신경망 기반 오디오 코덱에 대한 학습을 수행하는 신경망 기반 오디오 코덱 설계 방법
|
| 7 |
7
제1항에 있어서,상기 최종 신경망 기반 오디오 코덱을 결정하는 단계는, 상기 학습된 신경망 기반 오디오 코덱에 검증용 데이터베이스의 입력 신호를 입력하여 얻어진 총 손실 함수가 기 설정된 임계값 이하인 경우, 상기 학습된 신경망 기반 오디오 코덱을 상기 최종 신경망 기반 오디오 코덱으로 결정하는 신경망 기반 오디오 코덱 설계 방법
|
| 8 |
8
테스트용 데이터베이스의 입력 신호를 최종 신경망 기반 오디오 코덱의 부호화부에 입력하는 단계;상기 부호화부에서 출력된 잠재 벡터를 양자화하여 양자화된 잠재 벡터를 출력하는 단계; 및상기 양자화된 잠재 벡터를 최종 신경망 기반 오디오 코덱의 복호화부에 입력하여 상기 입력 신호에 대한 복원 신호를 생성하는 단계를 포함하는 신경망 기반 오디오 코덱 테스트 방법
|
| 9 |
9
제8항에 있어서,상기 양자화된 잠재 벡터를 출력하는 단계는, 상기 잠재 벡터에 와핑(warping)을 수행하여 벡터내 각 요소의 크기를 기 설정된 범위 안으로 제한하는 단계; 상기 와핑된 잠재 벡터의 각 요소를 가장 근접한 양자화 스텝의 정수배로 표현하는 단계; 및 상기 정수로 표현된 잠재 벡터에 디와핑(de-warping)을 수행하여 상기 양자화된 잠재 벡터를 출력하는 단계를 포함하는 신경망 기반 오디오 코덱 테스트 방법
|
| 10 |
10
제1항 내지 제9항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록 매체
|
| 11 |
11
백색 잡음 모델링 기반 양자화 과정을 이용하여 입력 신호에 대응하는 양자화된 잠재 벡터 및 복원 신호를 생성하고, 상기 입력 신호와 상기 복원 신호 및 상기 양자화된 잠재 벡터를 기초로 신경망 기반 오디오 코덱의 학습을 위한 총 손실 함수를 결정하며, 상기 총 손실 함수를 사용하여 신경망 기반 오디오 코덱을 학습하는 오디오 코덱 훈련 장치; 및학습된 신경망을 검증하여 최종 신경망 기반 오디오 코덱을 결정하는 오디오 코덱 검증 장치를 포함하는 오디오 코덱 설계 장치
|
| 12 |
12
제11항에 있어서상기 오디오 코덱 훈련 장치는,상기 입력 신호를 신경망 기반 오디오 코덱의 부호화부에 입력하고, 상기 부호화부에서 출력된 잠재 벡터를 백색 잡음 모델링을 이용하여 양자화하며, 상기 양자화된 잠재 벡터를 신경망 기반 오디오 코덱의 복호화부에 입력하여 상기 입력 신호에 대한 복원 신호를 생성하는 오디오 코덱 설계 장치
|
| 13 |
13
제12항에 있어서,상기 오디오 코덱 훈련 장치는,상기 잠재 벡터에 와핑(warping)을 수행하여 벡터내 각 요소의 크기를 기 설정된 범위 안으로 제한하고, 양자화 잡음에 해당하는 랜덤 잡음을 와핑된 잠재 벡터에 추가하며, 상기 랜덤 잡음이 추가된 잠재 벡터에 디와핑(de-warping)을 수행하여 상기 양자화된 잠재 벡터를 출력하는 오디오 코덱 설계 장치
|
| 14 |
14
제13항에 있어서,상기 랜덤 잡음은,신경망 기반 오디오 코덱의 양자화 스텝에 따라 발생 범위 및 분포가 결정되는 신경망 기반 오디오 코덱 설계 장치
|
| 15 |
15
제11항에 있어서,상기 오디오 코덱 훈련 장치는,상기 입력 신호와 상기 복원 신호의 평균 자승 오차(Mean Squared Error, MSE)를 이용하여 결정된 복원 손실항과 양자화된 잠재벡 터의 엔트로피로부터 결정된 비트율 제어 손실항 및 인간의 지각적 특성을 반영하는 지각적 손실항 중 적어도 하나를 이용하여 상기 총 손실 함수를 결정하는 오디오 코덱 설계 장치
|
| 16 |
16
제11항에 있어서,상기 오디오 코덱 훈련 장치는,상기 총 손실 함수를 신경망 기반 오디오 코덱을 통해 역전파시킴으로써 신경망 기반 오디오 코덱에 대한 학습을 수행하는 신경망 기반 오디오 코덱 설계 장치
|
| 17 |
17
제11항에 있어서,상기 오디오 코덱 검증 장치는,상기 학습된 신경망 기반 오디오 코덱에 검증용 데이터베이스의 입력 신호를 입력하여 얻어진 총 손실 함수가 기 설정된 임계값 이하인 경우, 상기 학습된 신경망 기반 오디오 코덱을 상기 최종 신경망 기반 오디오 코덱으로 결정하는 신경망 기반 오디오 코덱 설계 장치
|
