오디오 오토인코더는 유용한 압축 오디오 표현을 학습하지만, 비선형 잠재 공간으로 인해 믹싱 또는 스케일링과 같은 직관적인 대수 조작이 어렵다. 본 논문에서는 데이터 증강을 사용하여 고압축 일관성 오토인코더(CAE)에서 선형성을 유도하는 간단한 훈련 방법론을 제시한다. 이를 통해 모델의 아키텍처나 손실 함수를 변경하지 않고도 동질성(스칼라 게인에 대한 등변성)과 가산성(디코더가 덧셈을 보존)을 유도한다. 제안하는 방법으로 훈련된 CAE는 재구성 충실도를 유지하면서 인코더와 디코더 모두에서 선형적 거동을 보인다. 학습된 공간의 실용적인 유용성을 음악 소스 작곡 및 분리를 통해 간단한 잠재 산술 연산을 통해 테스트한다. 본 연구는 구조화된 잠재 공간을 구축하기 위한 간단한 기술을 제시하여 보다 직관적이고 효율적인 오디오 처리를 가능하게 한다.
