정보 이론적 유사도 측정을 이용한 커버곡 식별

초록

본 논문은 커버곡 탐지를 위해 오디오 시계열 간 예측 가능성을 정보 이론적으로 정량화하는 방법을 제안한다. 이산형 양자화 특징에 기반한 정규화 압축 거리(NCD)와 연속형 특징에 기반한 예측 오차 통계량을 비교 평가하고, 문자열 압축 기반 NCD를 정렬(NCDA) 방식으로 개선한다. 두 데이터셋(300곡 재즈 스탠다드와 Million Song Dataset)에서 실험한 결과, 연속형 접근법이 이산형보다 우수했으며, NCDA와 다중 거리 결합을 통해 현재 최고 수준의 커버곡 식별 성능을 달성하였다.

상세 분석

논문은 먼저 음악 콘텐츠 분석에서 시간적 순서를 보존하는 방법과 순서를 무시하는 bag‑of‑features 접근법을 구분하고, 커버곡 식별에 있어서는 시간적 구조가 중요한 점을 강조한다. 이를 바탕으로 두 가지 정보‑이론적 유사도 측정 방식을 제시한다. 첫 번째는 전통적인 정규화 압축 거리(NCD)이며, 문자열 압축기(LZ, PPM 등)를 이용해 양자화된 피처 시퀀스를 압축하고 압축량 차이로 거리 를 정의한다. 저자는 NCD가 두 시퀀스의 공동 압축 가능성을 근사하지만, 단순히 문자열을 이어 붙이는(concatenation) 방식은 시계열 정렬을 무시한다는 한계를 지적한다. 이를 보완하기 위해 ‘정렬된 NCD(NCDA)’를 도입한다. NCDA는 두 시퀀스를 동기화(시간 정렬)한 뒤 압축함으로써, 동일한 음악적 구절이 서로 다른 위치에 나타나는 경우에도 압축 효율을 높여 거리 추정의 정확성을 향상시킨다.

두 번째 접근법은 연속형 피처(예: chroma, MFCC 등)를 그대로 사용하고, 한 시계열을 다른 시계열에 대해 예측(predict)한 뒤 발생하는 예측 오차의 통계량을 거리로 활용한다. 구체적으로는 자기회귀 모델, 선형 예측, 혹은 비선형 회귀 모델을 적용해 예측 오차의 평균 제곱근(RMSE)이나 엔트로피를 계산한다. 이 방식은 양자화 과정에서 발생하는 정보 손실을 피하고, 연속적인 음향 특성 간의 미세한 차이를 포착한다는 장점이 있다.

실험에서는 두 데이터셋을 사용했다. 첫 번째는 300곡의 재즈 스탠다드 컬렉션으로, 각 곡마다 여러 커버 버전이 존재한다. 두 번째는 Million Song Dataset(MSD)에서 추출한 약 1백만 곡 중 일부를 필터링한 대규모 셋이다. 평가 지표는 평균 정밀도@k와 MAP(mean average precision)이며, 각각의 거리 측정 방법을 단독으로 적용한 결과와 여러 거리의 가중 평균을 이용한 결합 결과를 비교한다.

결과는 다음과 같다. 연속형 예측 기반 거리(특히 비선형 회귀를 이용한 경우)가 이산형 NCD보다 일관되게 높은 MAP 값을 기록했다. NCDA는 기존 NCD 대비 평균 3~5% 정도 성능 향상을 보였으며, 특히 LZ 기반 압축기와 결합했을 때 가장 큰 효과를 나타냈다. 또한, 연속형 거리와 NCDA를 선형 결합한 하이브리드 모델은 두 데이터셋 모두에서 최첨단 결과를 달성했으며, 특히 MSD에서 필터‑and‑refine 파이프라인을 적용했을 때 0.78 이상의 MAP를 기록해 기존 연구들을 능가했다.

이 논문은 정보‑이론적 거리 측정이 음악 시계열 비교에 유효함을 실증적으로 증명하고, 압축 기반 거리의 정렬 개선(NCDA)과 연속형 예측 오차 기반 거리의 결합이 커버곡 식별 성능을 크게 끌어올릴 수 있음을 보여준다. 또한, 대규모 데이터셋에 적용 가능한 필터‑and‑refine 전략을 제시함으로써 실용적인 시스템 구축에도 기여한다.