본 논문은 기존의 4-stem 분리(보컬, 베이스, 드럼, 기타 악기)에 국한되지 않고, 악기에 구애받지 않는 악기 분리를 가능하게 하는 확산 기반 음원 분리 모델인 GuideSep을 제안합니다. GuideSep은 사용자가 흥얼거리거나 연주하는 대상 멜로디를 모방하는 파형 조건과 분리에 대한 추가적인 안내를 제공하는 mel-spectrogram 도메인 마스크를 조건으로 사용합니다. 고정된 클래스 레이블이나 사운드 쿼리에 의존하는 기존 방법과 달리, 제안하는 조건 설정 방식과 생성적 접근 방식은 더 큰 유연성과 적용성을 제공합니다. 또한, 동일한 모델 아키텍처를 사용하여 마스크 예측 기준 모델을 설계하여 예측적 접근 방식과 생성적 접근 방식을 체계적으로 비교합니다. 객관적 및 주관적 평가를 통해 GuideSep이 고품질 분리를 달성하면서 더 다양한 악기 추출을 가능하게 함을 보여주며, 음원 분리에서 사용자 참여의 잠재력을 강조합니다. 코드와 데모 페이지는 https://yutongwen.github.io/GuideSep/ 에서 확인할 수 있습니다.
