Mit dem Guide verknüpftes Quiz · Mittel Ebene

Musik-Tagging mit Transformers-Quiz

Verstehen Sie transformatorbasiertes Musik-Tagging, Multi-Label-Ausgaben, Audio-Vortraining, Benchmark-Metriken und kontrastive Audio-Text-Modelle.

Verwandte FührungspfadeMusik-Tagging mit Transformers
Frage 1 von 8

Warum wird Musik-Tagging als Multi-Label-Problem behandelt?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Warum wird Musik-Tagging als Multi-Label-Problem behandelt?
    • Denn eine einzelne Spur kann mehrere Tags gleichzeitig tragen
    • Denn jedes Lied hat genau einen richtigen Tag
    • Weil Tags immer numerisch sind
    • Denn pro Künstler existiert nur ein Genre
  2. In the Audio Spectrogram Transformer paper, what audio representation is split into patches?
    • A list of MIDI note names
    • Ein Log-Mel-Spektrogramm
    • A sequence of album-cover pixels
    • A transcription of the song’s lyrics
  3. Warum verwenden Musik-Tagging-Modelle eine Sigmoid-Ausgabe pro Tag anstelle eines Softmax?
    • Sigmoide sind schneller zu berechnen
    • Softmax kann nicht mit Audio ausgeführt werden
    • Weil Tags gleichzeitig vorkommen können und sich nicht gegenseitig ausschließen
    • Um die Anzahl der Tags zu reduzieren
  4. Welche Rolle spielt das selbstüberwachte Vortraining für Modelle wie MERT?
    • Es beschriftet Lieder von Hand
    • Es entfernt Gesang aus Tracks
    • Es funktioniert nur bei klassischer Musik
    • Vor der Feinabstimmung lernt es starke Audiodarstellungen von unbeschrifteten Clips
  5. Welcher Datensatz wird üblicherweise zur Feinabstimmung und zum Benchmarking von Musik-Taggern verwendet?
    • MagnaTagATune
    • MNIST
    • ImageNet
    • SQuAD
  6. Wie ermöglichen Modelle im CLAP-Stil das Zero-Shot-Tagging von Musik?
    • Indem man jedes Lied auswendig lernt
    • Durch die Ausrichtung von Audio- und Textbeschreibungen in einem gemeinsamen Einbettungsraum
    • Durch die Umwandlung von Musik in Bilder
    • Indem für jedes mögliche Tag Beschriftungen erforderlich sind
  7. Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
    • Wortfehlerrate
    • Peak signal-to-noise ratio
    • Mean average precision
    • BLEU score
  8. What does the musicnn repository provide?
    • A text-only sentiment classifier
    • A digital audio workstation
    • A collection of manually composed MIDI scores
    • Pretrained convolutional neural networks for music audio tagging