Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

MambAttention: Mamba with Multi-Head Attention for Generalizable Single-Channel Speech Enhancement

Created by
  • Haebom

저자

Nikolai Lund Kuhne, Jesper Jensen, Jan {\O}stergaard, Zheng-Hua Tan

개요

본 논문은 Mamba와 공유 시간-주파수 다중 헤드 어텐션 모듈을 결합한 새로운 하이브리드 아키텍처인 MambAttention을 제안하여 일반화 성능을 향상시킨 단일 채널 음성 향상 기법을 제시한다. VB-DemandEx 데이터셋을 사용하여 MambAttention 모델을 훈련시켰고, DNS 2020 및 EARS-WHAM_v2 두 개의 도메인 외부 데이터셋에서 기존 LSTM, xLSTM, Mamba, Conformer 기반 시스템보다 우수한 성능을 보였다.

시사점, 한계점

시사점:
MambAttention 모델은 단일 채널 음성 향상 분야에서 일반화 성능을 크게 향상시켰다.
공유 시간-주파수 다중 헤드 어텐션 모듈의 중요성을 강조했다.
LSTM 및 xLSTM과 같은 기존 모델에 어텐션 모듈을 통합하여 성능을 향상시켰다.
한계점:
논문에서 구체적인 한계점에 대한 언급은 없지만, 모델 복잡도와 계산 비용에 대한 분석이 부족할 수 있다.
다른 도메인 외부 데이터셋에 대한 일반화 성능에 대한 추가적인 연구가 필요할 수 있다.
👍