Yohannis Telila, Tommaso Cucinotta, Davide Bacciu 연구팀은 CNN과 Constant-Q 변환을 이용한 음악 자동 악보화(AMT) 기술을 개발했습니다. 이 기술은 다성 음악의 복잡성을 극복하고 클래식 피아노 음악의 악보를 자동으로 생성하는 데 성공했습니다.

Yu Xianhua와 Li Dong 연구팀은 6G 무선 네트워크에서 지능형 반사 표면(IRS)의 위상 이동 정보(PSI) 전달 오버헤드 문제를 해결하기 위해 프롬프트 기반 PSI 압축 프레임워크를 제안했습니다. 메타 러닝과 과제 인식 프롬프트를 활용하여 다양한 환경에서 효율적이고 실시간 PSI 전달을 가능하게 하였으며, 시뮬레이션 결과 기존 방식보다 향상된 성능을 확인했습니다. 이 연구는 6G 네트워크의 실용화에 크게 기여할 것으로 기대됩니다.

Vahideh Hayyolalam과 Öznur Özkasap이 개발한 FedBWO는 연합 학습의 통신 효율을 획기적으로 개선하는 기술입니다. 블랙 위도우 최적화 알고리즘을 활용하여 성능 점수만 전송함으로써 통신 비용을 절감하고, 기존 방법 대비 모델 정확도를 크게 향상시켰습니다.

Aakash Saini 등 연구진이 개발한 SwinLSTM 오토인코더는 시간, 공간, 주파수 영역의 상관관계를 활용하여 CSI 압축 성능을 향상시키는 AI 기반 모델입니다. 기존 모델의 한계를 극복하고 매개변수 수와 계산 복잡도를 줄여 에너지 효율과 시스템 성능 향상에 기여할 것으로 기대됩니다.

Sumit Kumar, Parampreet Singh, Vipul Arora 세 연구자는 인도 고전 음악의 장식음을 인식하는 새로운 데이터셋 ROD와 심층 시계열 분석 기반 모델을 개발했습니다. 사용자 참여형 주석 도구를 활용한 ROD 데이터셋과 우수한 성능의 모델은 음악 교육, 가수 식별 등 다양한 분야에 활용될 수 있으며, AI 기반 음악 분석 기술 발전에 크게 기여할 것으로 기대됩니다.