Kvíz spojený s průvodcem · Těžko úroveň

Tréninkový kvíz permutačních invariantů

Vyzkoušejte, jak si permutační-invariantní trénování poradí s neuspořádanými výstupy reproduktorů a proč je důležité přiřazení na úrovni promluvy během oddělení více mluvčích.

Související vodicí cestyPermutační invariantní trénink
Otázka 1 z 8

Jaký základní problém řeší permutační invariantní trénink (PIT)?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký základní problém řeší permutační invariantní trénink (PIT)?
    • Rozhodování, který výstupní kanál by měl odpovídat kterému reproduktoru během tréninku
    • Komprese zvuku pro ukládání
    • Snížení nákladů na hardware mikrofonu
    • Překlad oddělené řeči do textu
  2. Jak PIT rozhodne, kterou chybu použít při aktualizaci modelu?
    • Průměruje chybu na všech výstupech rovnoměrně
    • Zkouší každé párování výstup-zdroj a udržuje to s nejnižší chybou
    • Vždy přiřadí nejhlasitější hlas výstupu 1
    • Zcela ignoruje reference
  3. Bez řešení, jako je PIT, co se stalo s výstupy separačního modelu?
    • Byly okamžitě dokonale čisté
    • Běželi mnohem rychleji
    • Produkovali rozmazané, zprůměrované výstupy kvůli konfliktním přiřazením štítků
    • Nevyžadovali žádná tréninková data
  4. Pro oddělení N reproduktorů, kolik permutací musí PIT vzít v úvahu na krok?
    • N (lineární v reproduktorech)
    • N na druhou
    • Vždy přesně dva
    • N faktoriál
  5. Jakou výhodu přináší PIT na úrovni promluvy (uPIT) oproti přiřazení na úrovni rámce?
    • Udržuje reproduktor ve stabilním výstupním kanálu po celou dobu promluvy
    • Odstraňuje potřebu jakýchkoli referencí
    • Funguje pouze na hudbu, ne na řeč
    • Zdvojnásobuje počet reproduktorů
  6. Který přístup může zcela obejít problém permutace?
    • Zvýšení datového toku zvuku
    • Extrakce cílového reproduktoru, která podmiňuje referenční hlasový podnět
    • Použití pouze mono nahrávek
    • Zakázání zpětného šíření
  7. What extra inference step does utterance-level PIT avoid compared with frame-level PIT?
    • Running speech recognition before source separation
    • Estimating the number of microphones in the recording
    • Solving an additional output-speaker permutation problem during inference
    • Recomputing the training loss after every generated word
  8. Which benchmark does the guide name as an example for evaluating speech-separation models?
    • LibriSpeech for single-speaker transcription
    • ImageNet for visual recognition
    • GLUE for language understanding
    • WSJ0-2mix for overlapping-speaker separation