음성 차원 독립성 정량화: 정보이론 기반 분리표현 학습

본 논문은 “음성 신호가 감정, 언어, 병리라는 세 가지 의미 차원을 동시에 전달한다”는 배경에서 시작한다. 기존 연구들은 주로 감정·화자·병리 등 특정 차원을 분리하기 위해 자기지도 학습, 도메인 적응, 혹은 상관계수 기반 평가를 사용했으며, 차원 간 통계적 독립성을 직접 측정하지 못했다. 저자는 이러한 한계를 극복하고자, 차원 간 상호정보(MI)를 직접 추정·검증하는 프레임워크를 제안한다. **1. 문제 정의 및 목표** - 목표: 감정(e), 언어(l), 병리(p) 차원 간 및 소스(s)·필터(f) 간의 MI를 정량화한다. - 정의된 차원별 특성 수: e∈ℝ²⁸, l∈ℝ³³, p∈ℝ¹⁶, s∈ℝ⁹, f∈ℝ³². - 추정하고자 하는 쌍: I(e;l), I(e;p), I(l;p), I(s;f). **2. 특성 추출** - Praat, librosa, openSMILE을 이용해 5가지 특성 세트를 추출한다. - 소스 특성: F0 통계, jitter, shimmer, HNR 등 9차원. - 필터 특성: 포먼트(F1‑F3, B1‑B3), 13 MFCC + delta, 총 32차원. - 감정 특성은 소스 + 에너지·스펙트럼, 언어 특성은 필터 + delta‑delta MFCC + 발화 속도, 병리 특성은 음성 품질·포먼트 안정성 등으로 구성한다. 일부 특성은 겹치도록 설계해 실제 정보 흐름을 측정한다. **3. Bounded Neural MI Estimation** - **MINE (하한)**: Donsker‑Varadhan 변분 원리 기반, 2‑계층 MLP(256 hidden) + LayerNorm + LeakyReLU, EMA(α=0.01)로 파티션 함수 안정화, bias‑corrected Ẑ 사용. - **CLUB (상한)**: 조건부 가우시안 모델 qϕ(y|x) = N(µϕ(x), diag(σ²ϕ(x))) 로 추정, 로그 분산을