딥러닝 기술을 적용한 작곡 과정 : 현악 사중주 작품 《TURN》에 대한 연구 = Adapting deep learning techniques to the compositional process : a study of the string quartet 《TURN》

국문 초록 (Abstract)

본 논문은 음악 창작 과정에서 인간과 기술 간의 협업이 새로운 창의성과 다양한 음악적 경험을 제공할 수 있음을 보여준다. 김다은의 현악 사중주 작 품 《TURN》의 작곡 과정에서 딥러닝 기술을 적용하여, 전통적인 음악 창작 방식과 디지털 기술이 융합된 새로운 음악 창작 시각의 확장을 목표로 하였다.
딥러닝 모델 중, 다중 트랙 형식의 음악 데이터를 사용하여 팝 음악을 생성 하는 뮤즈겐(MuseGAN) 모델 시스템의 일부를, 베토벤, 모차르트와 같은 클 래식 작곡가 곡을 기반으로 사용자 입력 데이터의 특징이 추가된 곡을 생성하 도록 수정하였고, 이를 통해 뮤즈겐의 유연성과 확장성을 실험하였다. 수정된 뮤즈겐 모델을 통해 생성된 음악을 김다은의 현악 사중주 작품《TURN》에 활용하여, 인간과 컴퓨터가 서로 주고 받으며 작품을 써내려 가는 창의적 상 호작용의 예시로써, 음악 창작 과정에서 인간의 창의력을 보완하고 향상시키 는 데 새로운 가능성을 제시한다.
본 연구는 자동 음악 생성 기술이 음악 창작과 예술 분야에서 새로운 가능 성을 열어주는 것을 시사한다. 더 나아가, 앞으로의 연구에서 뮤즈겐을 비롯 한 자동 음악 생성 기술을 더욱 발전시켜 음악 창작자들의 창의적인 활동을 지원하고 발전시키는 데 주력하고자 한다.

목차 (Table of Contents)

• 제1장 서 론 1
• 제2장 본 론 3
• 1. 이론적 배경 및 관련 연구 분석 3
• 1.1 자동 작곡 시스템 선행 연구 3
• 1.2 인공지능 기술 생성적 적대 신경망(GAN) 개요 7
• 1.3 뮤즈겐: 다중 트랙 순차적 생성적 적대 신경망 (MuseGAN: multi- track sequential generative adversarial network) 10
• 2. 자동 작곡 시스템 설계 및 구현 . 13
• 2.1 모델 학습을 위한 데이터 가공 14
• 2.1.1 데이터 수집 17
• 2.1.2 데이터 전처리 18
• 2.1.3 미디 데이터 변환 20
• 2.2. 프로그램 구현 . 22
• 3. 연구 결과 및 분석 25
• 4. 자동 작곡 시스템을 활용한 작품 분석 32
• 4.1 작품 개요 32
• 4.2 작품 분석 33
• 4.2.1 형식 33
• 4.2.2 A부분 34
• 4.2.3 B부분 41
• 4.2.4 C부분 48
• 4.2.5 A'부분 50
• 제3장 결 론 54
• 참 고 문 헌 56
• 부 록 59
• ABSTRACT . 66
• 감사의 글 68