첨단영상대학원, ICASSP 2026 논문 5편 발표… 음성·오디오·지속학습 AI 연구 성과
중앙대학교 첨단영상대학원 연구진이 신호처리 분야 세계적 권위의 국제학술대회인 ICASSP 2026(IEEE International Conference on Acoustics, Speech, and Signal Processing)에서 총 5편의 논문을 발표하는 성과를 거두었다.
ICASSP는 IEEE Signal Processing Society가 주관하는 신호처리 분야 최고 권위 국제학술대회로, 음성·오디오·영상·머신러닝 등 다양한 분야의 최신 연구 성과가 발표된다. ICASSP 2026은 2026년 5월 4일부터 8일까지 스페인 바르셀로나에서 개최되었다.
이번 성과는 LLM 기반 음성합성, 보컬 분리, 지속학습, 오디오-비주얼 검색 등 실제 콘텐츠 산업과 AI 응용 분야에 활용할 수 있는 기술을 폭넓게 다룬다는 점에서 의미가 크다.
김지훈 교수가 참여한 SPADE: Structured Pruning and Adaptive Distillation for Efficient LLM-TTS는 대형 언어모델 기반 음성합성(LLM-TTS) 모델의 구조적 가지치기와 지식 증류를 통해 품질을 유지하면서도 메모리 사용량과 추론 속도를 개선하는 방법을 제안했다.
또 다른 논문인 UNMIXX: Untangling Highly Correlated Singing Voices Mixtures는 여러 가창 음성이 혼합된 환경에서 개별 보컬을 효과적으로 분리하는 기술을 제시해 음악 콘텐츠 제작과 오디오 편집 분야의 활용 가능성을 보였다.
백준기 교수가 참여한 CEAL: Cross-Expert Attention with Curated Peer Selection for Scalable and Privacy-Preserving Exemplar-Free Continual Learning은 과거 데이터를 저장하지 않는 환경에서도 기존 지식을 효과적으로 유지할 수 있는 지속학습 프레임워크를 제안했다.
SARD: Similarity-Aligned Reminiscence and Distillation for Exemplar-Free Class-Incremental Learning은 유사도 기반 가상 샘플 생성과 특징 증류를 결합해 지속학습 과정에서 발생하는 망각 문제를 완화하는 방법을 제시했다.
엄찬호 교수가 참여한 COVA: Text-Guided Composed Retrieval for Audio-Visual Content는 영상·오디오·텍스트 정보를 함께 활용해 원하는 콘텐츠를 검색하는 새로운 오디오-비주얼 검색 기술을 제안했다. 해당 연구는 기존 시각 중심 검색의 한계를 넘어 청각 정보까지 함께 고려하는 멀티모달 검색 환경을 제시했다.
이창재 첨단영상대학원 원장은 이번 ICASSP 2026 성과에 대해 “ICASSP는 음성·오디오·신호처리 분야 최고 권위의 국제학술대회로, 이번 논문 발표는 첨단영상대학원의 연구 경쟁력이 세계적 수준임을 보여주는 의미 있는 성과”라며, “앞으로도 콘텐츠 산업과 연계된 실용 AI 연구와 글로벌 경쟁력을 갖춘 융합형 인재 양성에 지속적으로 힘쓰겠다”고 밝혔다.
첨단영상대학원은 이번 ICASSP 2026 성과를 통해 음성합성, 음악 신호처리, 오디오-비주얼 콘텐츠 이해, 지속학습 등 신호처리 기반 AI 연구 전반에서 국제적 경쟁력을 입증했다. 앞으로도 콘텐츠 산업과 밀접하게 연결된 실용 AI 연구를 확대하고, 글로벌 연구 경쟁력을 갖춘 융합형 인재 양성에 힘쓸 계획이다.
ICASSP는 IEEE Signal Processing Society가 주관하는 신호처리 분야 최고 권위 국제학술대회로, 음성·오디오·영상·머신러닝 등 다양한 분야의 최신 연구 성과가 발표된다. ICASSP 2026은 2026년 5월 4일부터 8일까지 스페인 바르셀로나에서 개최되었다.
이번 성과는 LLM 기반 음성합성, 보컬 분리, 지속학습, 오디오-비주얼 검색 등 실제 콘텐츠 산업과 AI 응용 분야에 활용할 수 있는 기술을 폭넓게 다룬다는 점에서 의미가 크다.
김지훈 교수가 참여한 SPADE: Structured Pruning and Adaptive Distillation for Efficient LLM-TTS는 대형 언어모델 기반 음성합성(LLM-TTS) 모델의 구조적 가지치기와 지식 증류를 통해 품질을 유지하면서도 메모리 사용량과 추론 속도를 개선하는 방법을 제안했다.
또 다른 논문인 UNMIXX: Untangling Highly Correlated Singing Voices Mixtures는 여러 가창 음성이 혼합된 환경에서 개별 보컬을 효과적으로 분리하는 기술을 제시해 음악 콘텐츠 제작과 오디오 편집 분야의 활용 가능성을 보였다.
백준기 교수가 참여한 CEAL: Cross-Expert Attention with Curated Peer Selection for Scalable and Privacy-Preserving Exemplar-Free Continual Learning은 과거 데이터를 저장하지 않는 환경에서도 기존 지식을 효과적으로 유지할 수 있는 지속학습 프레임워크를 제안했다.
SARD: Similarity-Aligned Reminiscence and Distillation for Exemplar-Free Class-Incremental Learning은 유사도 기반 가상 샘플 생성과 특징 증류를 결합해 지속학습 과정에서 발생하는 망각 문제를 완화하는 방법을 제시했다.
엄찬호 교수가 참여한 COVA: Text-Guided Composed Retrieval for Audio-Visual Content는 영상·오디오·텍스트 정보를 함께 활용해 원하는 콘텐츠를 검색하는 새로운 오디오-비주얼 검색 기술을 제안했다. 해당 연구는 기존 시각 중심 검색의 한계를 넘어 청각 정보까지 함께 고려하는 멀티모달 검색 환경을 제시했다.
이창재 첨단영상대학원 원장은 이번 ICASSP 2026 성과에 대해 “ICASSP는 음성·오디오·신호처리 분야 최고 권위의 국제학술대회로, 이번 논문 발표는 첨단영상대학원의 연구 경쟁력이 세계적 수준임을 보여주는 의미 있는 성과”라며, “앞으로도 콘텐츠 산업과 연계된 실용 AI 연구와 글로벌 경쟁력을 갖춘 융합형 인재 양성에 지속적으로 힘쓰겠다”고 밝혔다.
첨단영상대학원은 이번 ICASSP 2026 성과를 통해 음성합성, 음악 신호처리, 오디오-비주얼 콘텐츠 이해, 지속학습 등 신호처리 기반 AI 연구 전반에서 국제적 경쟁력을 입증했다. 앞으로도 콘텐츠 산업과 밀접하게 연결된 실용 AI 연구를 확대하고, 글로벌 연구 경쟁력을 갖춘 융합형 인재 양성에 힘쓸 계획이다.