MVICAD2: 지연(Delay)과 팽창(Dilation)을 고려한 다중 뷰 독립 성분 분석

다중 뷰(Multi-view) 환경의 머신러닝 기술은 이질적인 데이터 통합과 특징 공간 정렬 등에서 큰 어려움을 겪는다. 특히 **뇌파(MEG)**를 통해 뇌 활동 역학을 분석하는 신경과학 분야에서는 여러 피험자의 데이터를 통합할 때 개별 피험자 간의 변동성을 처리하는 것이 핵심이다.

기존의 **다중 뷰 독립 성분 분석(MVICA)**은 모든 피험자가 동일한 소스를 가진다고 가정하지만, 이는 개인차나 연령 변화를 반영하기에는 너무 제한적이다. 이를 개선한 MVICAD는 시간적 지연(Delay)을 허용하지만, 청각 자극 등에서 흔히 나타나는 시간적 팽창(Dilation) 효과는 반영하지 못한다.

이에 연구진은 시간적 지연과 팽창을 모두 허용하는 MVICAD2를 제안한다. 이 모델은 식별 가능한 소스(Identifiable sources)를 제공하며, 폐쇄형(Closed-form)으로 근사된 가능도(Likelihood)를 도출한다. 또한 정규화 및 최적화 기술을 통해 성능을 높였다.

시뮬레이션 결과, MVICAD2는 기존의 다중 뷰 ICA 방식보다 우수한 성능을 보였다. 또한 Cam-CAN 데이터셋을 통한 검증을 통해, 지연과 팽창의 변화가 노화와 어떤 관련이 있는지를 입증하며 모델의 유효성을 확인했다.