연속 라벨링을 위한 연결주의적 시간 로컬라이제이션(CTL) 기법

1. 연구 배경 및 목적 사운드 이벤트 검출(SED)은 음향 스트림에서 이벤트 종류와 발생 시점을 동시에 파악하는 과제이다. 전통적으로 강 라벨링(strong labeling)은 이벤트의 정확한 시작·종료 시점을 제공하지만, 라벨링 비용이 매우 높아 대규모 데이터에 적용하기 어렵다. 이에 약한 라벨링(weak labeling) 중 가장 비용 효율적인 presence/absence 라벨링이 널리 사용되었으나, 시간 정보를 전혀 제공하지 못한다는 한계가 있다. 본 논문은 이 두 극단 사이에 위치하는 연속 라벨링(sequential labeling)을 도입한다. 연속 라벨링은 이벤트 경계(시작·종료)의 순서만을 제공해, 라벨링 난이도는 크게 증가하지 않으면서도 시간적 힌트를 활용할 수 있다. 2. 기존 CTC 적용 시 문제점 연속 라벨링을 CTC(Connectionist Temporal Classification)에 그대로 적용하면, 긴 이벤트에 대해 ‘피크 클러스터링’ 현상이 발생한다. CTC는 라벨 순서만을 보장하고 프레임별 이벤트 존재 여부를 명시적으로 학습하지 않기 때문에, 네트워크는 시작 라벨과 종료 라벨을 인접 프레임에 동시에 출력하는 경향이 있다. 이는 메모리 부담을 최소화하려는 RNN의 특성과, 이벤트 경계 라벨이 훈련 데이터에서 자주 인접해 나타나는 통계적 특성에 기인한다. 결과적으로 긴 이벤트가 실제 지속 구간보다 매우 짧게 표시되며, 로컬라이제이션 성능이 급격히 저하된다. 3. CTL 프레임워크 설계 문제 해결을 위해 세 가지 핵심 수정이 이루어진다. (1) 이벤트 자체 확률 예측: 출력 레이어는 각 이벤트 E에 대해 프레임 t에서의 활성 확률 y_t(E)를 예측한다. 이는 기존 CTC가 경계 라벨만 예측하던 방식과 달리, 프레임마다 음향 특성에 따라 연속적인 값을 학습하게 만든다. (2) 정제된 차분 연산: y_t(E)와 y_{t-1}(E)의 차이를 max