본 논문은 저지연 음성 처리 시스템을 위한 고효율 음성 분리 모델인 TIGER(Time-frequency Interleaved Gain Extraction and Reconstruction network)를 제안합니다. TIGER는 주파수 대역을 나누고 주파수 정보를 압축하는 사전 지식을 활용하며, 다중 스케일 선택적 어텐션 모듈과 전 주파수 프레임 어텐션 모듈을 통해 문맥 정보를 추출합니다. 또한, 더욱 현실적인 음향 환경에서 음성 분리 모델의 성능을 평가하기 위해 잡음과 현실적인 잔향(물체 차폐 및 재료 특성 고려)이 포함된 새로운 데이터셋 EchoSet을 제시합니다. 실험 결과, EchoSet으로 학습된 모델은 다른 데이터셋으로 학습된 모델보다 일반화 성능이 우수하며, TIGER는 기존 최고 성능 모델인 TF-GridNet을 능가하는 성능을 달성하면서 파라미터 수를 94.3%, MAC 연산 수를 95.3% 감소시켰습니다.
