eend
End-to-End Neural Diarization
EEND은 발화 프레임별로 다중 라벨을 출력하는 단일 네트워크로 다중 발화(overlap)를 본질적으로 모델링하도록 학습하는 접근법으로서, permutation-invariant loss를 사용해 화자 순서 불변성을 처리하며 고정 출력 차원 문제를 encoder-decoder attractor 같은 구성으로 해결하려는 방식이 대표적이다.
End-to-End Neural Diarization
EEND은 발화 프레임별로 다중 라벨을 출력하는 단일 네트워크로 다중 발화(overlap)를 본질적으로 모델링하도록 학습하는 접근법으로서, permutation-invariant loss를 사용해 화자 순서 불변성을 처리하며 고정 출력 차원 문제를 encoder-decoder attractor 같은 구성으로 해결하려는 방식이 대표적이다.
