본 논문은 MusicGen과 Mustango와 같은 대규모 음악 생성 모델의 파라미터 효율적인 미세 조정(PEFT) 기법, 특히 어댑터 기반 방법에 대해 연구합니다. 힌두스탄 고전 음악과 터키 마캄 음악이라는 두 가지 저자원 음악 장르를 대상으로 다양한 어댑터 구성(아키텍처, 배치, 크기)을 비교 분석하여 최적의 어댑터 설계를 탐색합니다. 컨볼루션 기반 어댑터는 세부적인 음악적 요소에 강점을 보이는 반면, 트랜스포머 기반 어댑터는 장기 의존성을 더 잘 유지하는 것으로 나타났습니다. 또한, 중간 크기(40M 파라미터) 어댑터가 표현력과 품질 면에서 최적의 균형을 제공하며, Mustango(확산 기반 모델)는 다양성이 뛰어나지만 안정성이 떨어지는 반면, MusicGen(자기회귀 모델)은 훈련 속도가 빠르고 품질이 우수하지만 다소 중복되는 생성물을 만들어낸다는 점을 발견했습니다.
