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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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