왜 님이 별루 환영 받지 못한다고 생각하시는지 모르겠군요.
<br>
항상 열심히 다른 회원들의 질문에 좋은 답을 올리시던데...
<br>
<br>
selective attention에 대한 님의 설명은 아주 좋습니다.
<br>
다만 기사에난 과학원의 기술에 대해서 추가로 설명을 드리죠.
<br>
<br>
1995-6년 부터 ICA (independent component analysis)라는
<br>
새로운 신호 처리 기법이 주목 받기 시작했습니다. 혹시
<br>
PCA (principal component analysis)를 알고 계신 분들은
<br>
더 이해가 빠르실텐데. PCA라는 것은 주어진 다차원의 데이터를
<br>
선형 변환하여 각 요소간의 상관관계를 제거하는 분석기법
<br>
입니다. 이 경우 얻어진 데이터의 각 요소가 Gaussian 분포를
<br>
갖는다는 가정이 있는거죠. 흔히 행렬에서 말하는 일종의
<br>
대각화 같은 거죠. ICA란 이 보다 더 강한 가정을 하는 겁니다.
<br>
확률과정을 배우셨다면 "서로 독립인 변수들은 서로 상관관계가
<br>
없지만 상관관계가 없다고 서로 독립은 아니다"라는 것을 아실
<br>
겁니다. 즉, 상관관계보다 독립관계가 더 상위의 (?) 관계죠.
<br>
ICA에서는 미지의 원래 성분들이 non-Gaussian 분포를 갖는다고
<br>
가정을 하고 데이터 분석을 합니다. ICA에 의해 변환된 데이터의
<br>
각 성분은 최대한 독립적인 값들이 되는거죠.
<br>
<br>
자 그럼, ICA가 선택적 주의집중과 어떤 관계가 있는지 보죠.
<br>
일반적으로 각기 다른 음원 (각기 다른 사람의 목소리, 음악
<br>
소리 등)들은 확률적으로 서로 독립입니다. 따라서, 서로 다른
<br>
음원들이 섞인 경우에도 ICA를 이용하면 원래의 음원들로
<br>
분리할 수 있는거죠. 이 경우 대부분 3개의 음원이 섞이면
<br>
적어도 3 개이상의 마이크를 서로 다른 위치에 놓고 녹음을
<br>
해서 ICA를 적용해야 합니다. 특히, 실제 음향 환경은 일종의
<br>
다채널 필터들로 구성된다고 볼 수 있기 때문에 ICA도 단순히
<br>
행렬이 아니라 분리필터의 형태가 됩니다. 따라서, 다채널의
<br>
필터를 실시간에 적응하면서 분리하기 위해서는 엄청난 양의
<br>
계산이 필요하죠. n 채널의 경우 n*n개의 상당히 긴 필터가
<br>
필요합니다. 최근에는 2개의 마이크 만을 사용해서 여러 음원이
<br>
섞인 경우 순차적으로 각 신호를 뽑아내는 기술도 개발이
<br>
되었죠. 과학원에서 개발한 것도 이러한 기술을 적용한 것이라고
<br>
봅니다. 그리고, FPGA와 DSP 칩을 사용하여 보드를 구성한 것
<br>
같구요.
<br>
<br>
하지만 이 기술의 실제 적용에는 많은 어려움이 있습니다.
<br>
(1) 먼저, 마이크의 선택인데 저가의 컨덴서 마이크로는 성능이
<br>
나오지 않습니다. 다분히 지향적인 마이크를 사용해야 하죠.
<br>
이건 대부분 비쌉니다.
<br>
(2) 또한, 마이크의 위치도 굉장히 중요합니다. 눈치 채셨겠지만
<br>
마이크 두 개를 붙여 놓으면 거의 분리가 안됩니다. 그리고,
<br>
(3) 무엇보다도 실시간에 적응이 안됩니다.최소 1-2분이 걸리죠.
<br>
그 상태에서 계속 사용하면 되지만 음향환경이 계속 변하면
<br>
(예를 들면 차가 움직일 때) 거의 무용지물이 될 수도 있습니다.
<br>
(4) 그리고, 순차적으로 분리하는 경우 실시간에 출력을 얻기
<br>
어려우니까 음성인식 등에 바로 이용하기는 어렵죠.
<br>
(5) 또한, ICA의 가장 큰 특징은 분리된 결과 음성이 어느 채널에서
<br>
나올지 모른다는 점과 분리된 신호의 파형이나 주파수 정보가
<br>
원래 신호랑 비슷한 거지 그 scale은 엄청나게 다를 수 있다는
<br>
겁니다. 따라서, 분리된 신호가 내가 원하는 신호인지 아닌지를
<br>
기계가 알아서 판단하게 만들기가 쉽지 않겠죠.
<br>
(6) 그리고, 무엇보다도 음원의 갯수가 몇개인지 사전에 아는 경우가
<br>
드믄데 이에 대한 방법도 쉽지 않구요. 또한, 음원의 갯수가
<br>
계속 변하면 문제가 더 복잡해지죠 ?
<br>
<br>
이상의 문제점 외에도 많은 것들이 있을 수 있습니다. 앞으로
<br>
연구할게 많죠. 님들도 관심 가지시고 열심히 연구해 보세요.
<br>
<br>
<br>
<br>
<br>
<br>
--------------------- [원본 메세지] ---------------------
<br>
(뭐 별로 환영받지 못하는 사람이긴 하지만 저는 후후..)
<br>
<br>
생각하시듯 세부적인게 중요한게 아니라 "선택적 주의집중"(Selective
<br>
attention)이라고 해서 다음 단계의 패러다임으로 예측되어오던
<br>
전개방향의 성과입니다.
<br>
<br>
현재 음성인식에서 지배적인, 통계학을 주로 사용하는 wholistic한
<br>
signal processing 패러다임에 대해 selective attention은 연역적
<br>
정보를 통해 특정한 영역(음성이라면 특정시간)에 대한 분석의
<br>
resolution을 contol하여(threshhold라든가) 인식,판별 성능을 높이는
<br>
시도입니다.
<br>
<br>
이에 있어 아직 어떤 대표적 기술이 정립되어 있는것은 아니어서
<br>
연구자마다 방법이 서로 다릅니다. (물론 그와 같은 실질적 기술들
<br>
(pitch estimation, voiced/unvoiced.. classification)에 대한
<br>
고려가 기반이겠죠.)
<br>
<br>
하지만 이번은 단순히 노이즈의 영향을 줄이려는 것이고 그에 사용된
<br>
기술 자체는 완전히 새로운 것은 없으리라 예상합니다.
<br>
<br>
--------------------- [원본 메세지] ---------------------
<br>
답변 정말 고맙습니다.
<br>
Zeus님이 음성인식회사에 다니시는군요. 그럼 Zeus님에게
<br>
여쭤보도록 하겠습니다.
<br>
아참, Eric님이 audio codec firmware개발을 하고 계시는군요.
<br>
혹시 어제 중앙일보 IT관련기사중에 "잡음제거하는 칩"이라는
<br>
기사를 읽어보였나요?
<br>
여기에 쓰인 기술이 Robust pitch estimation,
<br>
Voiced/Unvoiced/Translation Classification 과 관련이 있나요?
<br>
아시는 바가 있으면 좀 알려주세요.
<br>
<br>
<br>
<br>
<br>
<br>
--------------------- [원본 메세지] ---------------------
<br>
후후후 글쎄요 ?
<br>
<br>
저는 음성관련된 회사에 있지 않아서.
<br>
저희 회사는 SoC 설계 위주거든요. 주로 무선 통신용 칩.
<br>
저는 거기서 audio codec firmware 개발을 맡고 있구요.
<br>
<br>
그래두, 제 생각엔 님 정도 실력이면 국내 음성인식 회사에
<br>
좋은 조건으로 입사하실 수 있을 것 같은데...
<br>
뭐, 굳이 논하자면 신호처리에 대한 개념이 있어야 하구,
<br>
음성인식 모델에 대한 이해가 있어야 하구,
<br>
C나 C++ 정도는 잘 다룰 수 있어야 겠죠 ?
<br>
embedded system이나 음성인식 chip회사라면
<br>
system software나 firmware를 작성할 수 있어야 할거구요.
<br>
많은 국내 회사가 외국에서 엔진 들여다가 수정해서
<br>
사용하는게 현실이니까 그걸 수정하고 또 그 위에
<br>
application 작성하는 정도면 되겠죠...
<br>
<br>
참고로 Zeus의 회사가 음성인식 관련 일을 하니까
<br>
Zeus에게 문의하는 것이 더 맞지 않을까 싶네요.
<br>
<br>
<br>
<br>
--------------------- [원본 메세지] ---------------------
<br>
Eric님,
<br>
혹시 국내 음성인식 회사에 연구원으로 들어가려면 어느정도까지의
<br>
개발 능력을 가져야하는지 혹시 아시아요?
<br>
아시는 바가 있으면 좀 말씀해 주세요...
<br>
<br>
<br>
<br>
<!-- -->
