본 논문에서는 기계 학습 기반 오케스트라 음악 소스 분리 시스템을 위해 설계된 대규모 이질적 데이터셋 SynthSOD를 소개한다. 이 데이터셋은 다양한 스타일, 다이내믹, 템포, 기법을 포함하는 고품질 합성 음원 자료로 구성되어 있다.
데이터 품질 오류에 강건한 음악 소스 분리 모델을 개발하는 것이 이 챌린지의 핵심 목표이다.
