Switchcodec: Adaptive residual-expert sparse quantization for high-fidelity neural audio coding

Created by

Haebom

저자

Xiangbo Wang, Wenbin Jiang, Jin Wang, Yubo You, Sheng Fang, Fei Wen

💡 개요

본 논문은 기존 신경망 기반 오디오 코덱에서 고정된 코드북 사용으로 인한 비효율성을 개선하기 위해, 입력 오디오 특성에 따라 동적으로 활성화되는 전문가 양자화기들을 결합한 SwitchCodec을 제안합니다. SwitchCodec은 공유 양자화기와 동적으로 라우팅되는 전문가 양자화기를 활용하여 비트율과 코드북 용량을 분리하고 압축 효율성을 높이며, 추론 시 전문가 양자화기 수를 조절하여 재학습 없이 가변 비트율을 지원합니다. 실험 결과, SwitchCodec은 객관적 지표와 주관적 청취 테스트 모두에서 기존 코덱들을 능가하는 성능을 보였습니다.

🔑 시사점 및 한계

•

오디오 콘텐츠의 다양성에 따라 유연하게 적응하는 신경망 기반 오디오 코딩의 새로운 가능성을 제시합니다.

•

비트율과 코드북 용량을 분리하고 재학습 없이 가변 비트율을 지원하는 혁신적인 접근 방식을 제공합니다.

•

본 연구에서 제안된 전문가 양자화기 선택 메커니즘의 복잡성과 실제 적용 시의 계산 비용 증가 가능성에 대한 추가적인 연구가 필요합니다.

PDF 보기

Made with Slashpage