광학 악보 인식(OMR) 모델 설계가 발전했지만, 훈련 데이터의 시각적 영역이 제한적이어서 실제 적용에 어려움이 있어요. 기존 OMR 시스템은 디지털 악보가 아닌 필사본을 인식하는 데 어려움을 겪고 있으며, 관련 기관은 자원이 부족해 대규모 데이터셋을 기대하기 어려워요.
세밀한 음악 표기 그래프(MuNG) 주석과 Smashcima 합성 도구를 활용하여 실제 필사본의 복잡한 피아노 표기에서 도메인 적응이 중요함을 보여줬어요. 표기 기호가 필사본과 동일하지 않아도 괜찮아, 고가의 세밀한 주석 작업도 피할 수 있어요.
연구 결과, OMR이 음악 문화 유산을 보존하고 장려하는 목표에 더 가까워졌어요.