Reference-based Guitar Effector Chain Estimation
쌩 기타 톤과 목표 기타 톤을 입력받아, 보유한 이펙터 중 어떤 조합을 어떤 파라미터로 세팅해야 목표 톤을 가장 가깝게 재현할 수 있는지 추정합니다.
dry 신호 x_dry, 목표 신호 x_ref, 사용자 보유 이펙터 집합 E가 주어졌을 때,
유사도 d(F_{C,P}(x_dry), x_ref)를 최소화하는 이펙터 조합 C와 파라미터 P를 찾습니다.
[dry 신호] + [후보 세팅] → 렌더링 → 유사도 계산(목표 신호와 비교) → 탐색·최적화 → 최적 세팅
.
├── schemas/ # 공통 이펙터 스키마, 정의 데이터 및 검증 스크립트
├── effects/ # 이펙터 라이브러리, 체인 렌더링 엔진
├── metrics/ # 유사도 지표 및 평가 코드
├── search/ # 기존 Step 0 random search / CMA-ES 실험
├── estimation/ # CNN 데이터 준비·학습·추론·평가·CMA-ES 연결
├── configs/ # CNN 오디오 설정과 검증 환경의 패키지 버전
├── tests/ # CNN 파이프라인 테스트
├── data/ # 대용량 파일은 Drive, 작은 테스트 샘플만 GitHub에 보관
│ ├── dry/ # dry 기타 샘플
│ ├── synthetic/ # 합성한 (dry, params, wet) 페어
│ └── separated/ # 음원 분리 결과물
├── notebooks/ # 실험용 노트북
├── demo/ # 데모 UI
└── scripts/ # 실행 스크립트
처음이라면 DRIVE_SETUP.md를 따라 환경을 세팅하세요.
pip install -r requirements.txt
python schemas/validate.py검증 스크립트는 이펙터 정의가 JSON Schema를 만족하는지 확인합니다. 현재 스키마 기반 드라이브 렌더러, Step 0 탐색 실험과 CNN 초기 추정 파이프라인을 제공합니다.
초기 체인 순서는 컴프 → 드라이브류(overdrive/distortion/fuzz 중 하나) → 고정 앰프 → EQ입니다. 현재 CNN 버전은 드라이브 최대 한 개와 bypass만 출력하며 앰프, 컴프레서, EQ는 적용하지 않습니다. 종류 분류와 노브 예측을 분리한 CNN 실험은 estimation/EXPERIMENTS.md를 참고하세요.
| 단계 | 내용 |
|---|---|
| Step 0 | 소프트웨어 이펙트 3개, 순서 고정, 파라미터 복원 |
| Step 1 | 이펙터 10개로 확장, 조합 선택 문제 추가 |
| Step 2 | 실제 녹음 dry/wet 페어로 전환 |
| Step 3 | 실제 음원 분리 → 목표 톤 입력 |
| Step 4 | 실물 페달 캡처, 앰프/공간계 확장 |
CNN 초기 추정 모델의 설치, 데이터 준비, 학습, 추론 및 평가 명령은 estimation/README.md를 참고하세요.
프로젝트 일정, 역할 분담, 개발 현황 및 논의 사항은 Notion에서 관리합니다.
리서치 진행에 따라 추가 예정