Cuestionario vinculado a una guía · Medio Nivel

Etiquetado de música con Transformers Quiz

Comprenda el etiquetado de música basado en transformadores, salidas de múltiples etiquetas, preentrenamiento de audio, métricas de referencia y modelos contrastantes de audio-texto.

Rutas de guía relacionadasEtiquetado de música con Transformers
Pregunta 1 de 8

¿Por qué el etiquetado de música se trata como un problema que afecta a múltiples sellos?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Por qué el etiquetado de música se trata como un problema que afecta a múltiples sellos?
    • Porque una sola pista puede llevar varias etiquetas a la vez
    • Porque cada canción tiene exactamente una etiqueta correcta.
    • Porque las etiquetas son siempre numéricas
    • Porque sólo existe un género por artista
  2. In the Audio Spectrogram Transformer paper, what audio representation is split into patches?
    • A list of MIDI note names
    • Un espectrograma log-Mel
    • A sequence of album-cover pixels
    • A transcription of the song’s lyrics
  3. ¿Por qué los modelos de etiquetado de música utilizan una salida sigmoidea por etiqueta en lugar de una softmax?
    • Los sigmoides son más rápidos de calcular
    • Softmax no puede ejecutarse en audio
    • Porque las etiquetas pueden coexistir y no son mutuamente excluyentes
    • Para reducir el número de etiquetas
  4. ¿Cuál es el papel del preentrenamiento autosupervisado para modelos como MERT?
    • Etiqueta canciones a mano.
    • Elimina las voces de las pistas.
    • Sólo funciona con música clásica.
    • Aprende representaciones de audio sólidas de clips sin etiquetar antes de realizar ajustes
  5. ¿Qué conjunto de datos se utiliza habitualmente para afinar y comparar los etiquetadores de música?
    • MagnaTagATune
    • MNIST
    • ImagenNet
    • escuadrón
  6. ¿Cómo permiten los modelos estilo CLAP el etiquetado de música zero-shot?
    • Memorizando cada canción
    • Alineando descripciones de audio y texto en un espacio de incrustación compartido
    • Al convertir música en imágenes.
    • Al requerir etiquetas para cada etiqueta posible
  7. Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
    • Tasa de error de palabra
    • 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