본 논문은 원격 회의 경험 향상을 위해 음성 명료도와 공간 오디오 몰입도를 높이는 데 초점을 맞춥니다. 기존의 단일 마이크 기반 방법은 공간 정보 부족 문제를, 마이크 어레이 기반 방법은 도래 방향 추정 정확도에 대한 의존성 문제를 갖습니다. 이를 해결하기 위해, 다채널 잡음 및 잔향이 포함된 신호를 깨끗하고 공간화된 이중 채널 음성으로 직접 매핑하는 엔드투엔드 딥러닝 프레임워크를 제시합니다. 이 프레임워크는 음원 추출, 잡음 제거, 이중 채널 렌더링을 하나의 네트워크로 통합하며, 공간 렌더링 정확도 향상을 위해 새로운 크기 가중 상호 귀간 레벨 차이 손실 함수를 제안합니다. 실험 결과, 제안된 방법은 음성 품질과 공간 충실도 측면에서 기존 기준 모델보다 우수한 성능을 보입니다.
