Cuestionario vinculado a una guía · Medio Nivel

Prueba de separación de RNN de ruta dual

Revise los fragmentos superpuestos de DPRNN, la recurrencia intra y entre fragmentos, la reconstrucción superpuesta y agregada y los resultados con alcance de referencia.

Rutas de guía relacionadasSeparación Rnn de doble ruta
Pregunta 1 de 8

¿Qué problema resuelve principalmente Dual-Path RNN?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué problema resuelve principalmente Dual-Path RNN?
    • Modelado de secuencias de audio extremadamente largas que abruman a un solo RNN
    • Generando nueva música a partir de texto
    • Comprimir archivos de audio para su almacenamiento
    • Detectar el idioma que se habla
  2. ¿Cuáles son las dos 'rutas' en un RNN de ruta dual?
    • Codificador y decodificador
    • Recurrencia intra-fragmento (local) e inter-fragmento (global)
    • Reproducción de audio hacia adelante y hacia atrás
    • Rutas de entrenamiento e inferencia.
  3. ¿Cómo se prepara la secuencia de características larga antes de los bloques de ruta dual?
    • Se convierte en un único vector promedio.
    • Se convierte en tokens de texto.
    • Está segmentado en trozos cortos superpuestos que forman una cuadrícula 2D.
    • Se reduce a una muestra.
  4. ¿En qué marco existente se incluyó DPRNN como reemplazo del separador?
    • Un modelo de imagen de difusión.
    • Solo un decodificador de voz a texto
    • Un codificador de voz basado en GAN
    • El marco codificador/decodificador Conv-TasNet
  5. ¿Qué modelo posterior mantuvo la estructura de ruta dual de DPRNN pero reemplazó los RNN con Transformers?
    • SepEx
    • OndaNet
    • BERT
    • Tacotrón
  6. ¿Por qué el procesamiento en fragmentos ayuda a la estabilidad del entrenamiento?
    • Elimina la necesidad de cualquier función de pérdida.
    • Cada RNN solo ve una subsecuencia corta, evitando cadenas de backprop muy largas
    • Elimina automáticamente todos los altavoces superpuestos.
    • Convierte audio a imágenes.
  7. How are processed overlapping chunks recombined into the output sequence?
    • By sorting them alphabetically
    • By averaging all chunks into one frame
    • By overlap-add across the chunk positions
    • By converting them into text tokens
  8. On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
    • MUSDB18
    • ImagenNet
    • LibriTTS
    • WSJ0-2mix