Cuestionario vinculado a una guía · Medio Nivel

Prueba de separación de fuentes musicales de Demucs

Revise la forma de onda de Demucs y la separación híbrida, SDR en MUSDB y la atención entre dominios de HT-Demucs con datos de entrenamiento adicionales.

Rutas de guía relacionadasSeparación de fuentes de música Demucs
Pregunta 1 de 8

¿Qué le hace Demucs a una canción terminada?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué le hace Demucs a una canción terminada?
    • Lo separa en raíces como voz, batería, bajo y otros.
    • Lo comprime en un archivo más pequeño.
    • Traduce la letra
    • Lo acelera sin cambiar el tono.
  2. ¿Qué hace que Hybrid Demucs sea 'híbrido'?
    • Mezcla dos canciones diferentes juntas.
    • Procesa audio en dominios de forma de onda y espectrograma.
    • Utiliza letras en inglés y francés.
    • Se ejecuta la mitad en CPU y la otra mitad en papel.
  3. ¿Qué métrica informó el artículo original de Demucs para la calidad de separación en MUSDB?
    • Word error rate (WER)
    • Mean reciprocal rank (MRR)
    • Relación señal-distorsión (SDR)
    • Intersección sobre Unión (IoU)
  4. ¿Qué organización de investigación se asocia con el proyecto Demucs original?
    • The Allen Institute for Artificial Intelligence
    • Kyutai Labs
    • The International Society for Music Information Retrieval
    • Investigación de IA de Facebook (FAIR)
  5. ¿Por qué los primeros Demucs trabajaban directamente en la forma de onda sin procesar?
    • Para evitar perder información de fase
    • Porque los espectrogramas son ilegales
    • Para agrandar archivos a propósito
    • Porque las formas de onda no contienen sonido
  6. ¿Qué conjunto de datos es fundamental para entrenar y comparar Demucs?
    • ImagenNet
    • MUSDB18
    • MNIST
    • rastreo común
  7. What attention pattern does the HT-Demucs paper add between its waveform and spectrogram branches?
    • Attention only over lyric tokens
    • A single attention layer over stereo channels only
    • Self-attention within each domain and cross-attention across domains
    • No attention; only a nearest-neighbor lookup
  8. What did the HT-Demucs paper report about extra training songs?
    • Extra songs reduced SDR by 10 dB in every setting
    • The model reached the same result with zero training songs
    • The paper reported only a word-error-rate change
    • With 800 extra songs, HT-Demucs improved SDR by 0.45 dB over Hybrid Demucs trained on the same data