본 연구는 트랜스포머 기반 음악 생성 모델의 품질을 향상시키기 위해 메타정보를 활용하는 것을 목표로 해요.
기존 트랜스포머 모델은 장기 의존성을 잘 포착하지만, 과도한 음표 반복이나 중복과 같은 문제로 인해 부자연스러운 멜로디가 생성되는 한계가 있었어요.
음악적 어텐션은 바 번호, 키, 박자, 템포와 같은 메타정보를 어텐션 과정에 통합하여 모델이 음악 구조와 메타데이터 간의 상관관계를 파악하도록 돕고, 생성된 결과물의 품질을 향상시켰어요.
실험 결과, 음악적 어텐션을 적용한 모델은 Full Attention, Strided Attention 등 기존 방식보다 음악적 일관성, 다양성, 전반적인 품질 측면에서 우수한 성능을 보였어요.