Тест, свързан с ръководство · Среден Ниво

AI при четене по устни и тест за визуално разпознаване на реч

Тествайте визуални речеви знаци, двусмисленост на виземата, аудио-видео синтез, времеви характеристики, обработка на областта на устата и CTC подравняване в модели за четене по устни.

Свързани ръководни пътекиAI при четене по устни и визуално разпознаване на реч
Въпрос 1 на 8

What ambiguity does a viseme grouping describe in visual speech recognition?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. What ambiguity does a viseme grouping describe in visual speech recognition?
    • Every sound has a uniquely recoverable image in every frame
    • A camera directly measures a word's meaning
    • Different speech sounds can share similar visible mouth movements
    • The speaker's filename determines the phoneme sequence
  2. How can a visual stream help an audio-visual recognizer when acoustic noise increases?
    • It guarantees correct recognition regardless of occlusion or lighting
    • It can supply additional visible articulation cues when the audio is degraded
    • It removes every need to evaluate the fusion model
    • It makes the acoustic signal physically noiseless
  3. Какво помага да се улови 3D конволюционният преден край в модел за четене по устните?
    • Цветът на очите на говорещия
    • Стайната температура
    • Акцентът на говорещия при писане
    • Краткосрочни модели на движение в последователни кадри
  4. Which capture conditions can hide information needed by a visual-speech model?
    • Head turns, poor lighting, or an obstruction over the mouth
    • A clear frontal view as the only guaranteed failure condition
    • A rule that higher resolution removes all ambiguity
    • An audio file's compression setting with no effect on the video
  5. What evaluation scope should be attached to the original LipNet sentence-recognition results?
    • Every spontaneous real-world conversation in every language
    • The constrained GRID benchmark used in the study
    • A guarantee that all professional lip readers are always outperformed
    • Only written text with no visual speech input
  6. Основна обществена загриженост относно ИИ за четене по устните е:
    • Използва твърде много електричество
    • Не може да работи на компютри
    • Скритото използване позволява наблюдение без съгласие
    • Работи само на един език
  7. Why might a visual-speech pipeline crop a mouth-centered region before temporal modeling?
    • To focus processing on relevant articulation rather than unrelated image background
    • To remove the need for any information about movement
    • To guarantee that every phoneme becomes visually unique
    • To supply the final transcript directly from the crop coordinates
  8. What alignment requirement does CTC avoid in the LipNet training setup?
    • All transcript-level training targets
    • All observations of the speaker's mouth
    • Every temporal dependency in the recognition problem
    • A supplied character label for every individual video frame