선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 음악 검색은 입력 음악 세그먼트와 이에 대응되는 데이터베이스에 저장된 음악과의 음향학적 유사도에 따라 fingerprinting(유사도 높음)에서 시작하여 remix/sampling detection, cover song detection/QBSH(유사도 상대적 낮음)의 순으로 분류된다 [9]. 본 논문에서는 fingerprinting 방법에 기반한 음악 검색에 대하여 대표 논문을 중심으로 연구 방법을 기술한다.
- 본 논문에서는 상용화된 음악 검색 서비스에서 활용되는 음악 식별 기술 중에서 fingerprint를 이용한 방식에 대해 대표적으로 밴드 간 에너지 차를 이용한 fingerprint 생성에 기반한 방법과 peak point들 간의 해쉬 키 생성에 기반한 방법을 중심으로 지금까지의 연구 동향을 정리해보았다. 밴드 간 에너지 차를 이용한 fingerprint 생성에 기반한 방법은 모든 주파수 밴드의 에너지 값을 이용하여 인접한 밴드 에너지들의 차를 통해 fingerprint를 추출하고, 추출한 fingerprint를 인덱스로 사용하여 LUT를 통해 검색이 이루어진다.
- 본 장에서는 [12]의 내용을 중심으로 밴드 간 에너지 차를 이용한 fingerprint 생성에 기반한 방법에 대해 기술한다.
가설 설정
- 식(1)에서 E(n,m)-E(n,m+1)-(E(n-1,m)-E(n-1,m+1)) = D(n,m) 라 하자. 원곡의 sub-fingerprint의 bit를 결정지을 때, |D(n,m)|가 작을수록 추후 잡음 하에서 동일한 sub-fingerprint를 추출 시, D(n,m)의 부호가 바뀌게 되어 해당 bit값의 변화가 있을 확률이 크고, |D(n,m)|의 값이 클수록 bit 값이 변경될 확률이 작다고 가정한다. 이에 따라 |D(n,m)|값이 0과 가까운 순서대로 32개의 bit들을 정렬하여 상위 M개 bit들에 대해서만 toggle을 수행한다([12]에서는 M=10).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.