본 논문은 쌍으로 된 입출력 신호 없이 비선형 오디오 효과를 정확하게 추정하는 문제를 다룬다. 이를 위해 비지도 학습 기반의 확률적 접근 방식을 연구하며, 블랙박스 및 그레이박스 모델을 사용하여 알려지지 않은 비선형 효과를 추정하는 데 확산 생성 모델을 기반으로 하는 새로운 방법을 제시한다. 기존의 적대적 접근 방식과 비교하여, 효과 연산자의 매개변수화 및 사용 가능한 효과 처리된 녹음 길이가 다를 때 두 방법의 성능을 분석한다. 기타 왜곡 효과에 대한 실험을 통해 확산 기반 접근 방식이 더 안정적인 결과를 제공하고 데이터 가용성에 덜 민감하지만, 적대적 접근 방식이 더 두드러진 왜곡 효과를 추정하는 데 우수함을 보여준다. 이 연구는 오디오 효과의 강건한 비지도 블라인드 추정에 기여하며, 음악 기술에서 시스템 식별을 위한 확산 모델의 잠재력을 보여준다.
