Cuestionario vinculado a una guía · Medio Nivel

Prueba de mejora del habla Noise2Noise

Revise los supuestos de corrupción emparejada de Noise2Noise, su justificación de la media condicional y las demostraciones de investigación más allá de la mejora del habla.

Rutas de guía relacionadasMejora del habla Noise2noise
Pregunta 1 de 8

¿Cuál es la sorprendente afirmación central de Noise2Noise?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Cuál es la sorprendente afirmación central de Noise2Noise?
    • Puede eliminar el ruido utilizando solo ejemplos corruptos, no se necesitan referencias limpias
    • Siempre debes tener un audio limpio y real
    • Las redes neuronales no pueden eliminar el ruido
    • De esta manera sólo se puede eliminar el ruido del habla, nunca de las imágenes.
  2. ¿Por qué la red no puede simplemente memorizar el ruido en el clip de destino?
    • El ruido es demasiado bajo para importar.
    • El ruido es aleatorio e independiente, por lo que es impredecible.
    • La red es demasiado pequeña.
    • El ruido es siempre el mismo valor.
  3. For squared-error training, what conditional statistic minimizes expected loss?
    • The largest target value
    • The unconditional variance
    • The conditional mean of the target given the input
    • A randomly selected target frame
  4. ¿Qué debe ser cierto acerca del ruido añadido al objetivo para que el truco funcione?
    • Debe ser más fuerte que el discurso.
    • Debe ser el mismo ruido que la entrada.
    • Debe venir de un estudio de grabación.
    • Debe ser de media cero e independiente del ruido de entrada.
  5. For absolute-error training, which conditional statistic is minimized?
    • The conditional median of the target given the input
    • la varianza
    • el maximo
    • The sum of all pixels
  6. ¿Qué métodos ampliaron Noise2Noise hacia el aprendizaje a partir de muestras ruidosas únicas?
    • Word2Vec y BERT
    • Ruido2Void y Ruido2Self
    • Griffin-Lim y SoundStream
    • ResNet y VGG
  7. Which non-photographic reconstruction task did the Noise2Noise paper demonstrate?
    • Satellite orbit prediction
    • Particle-track reconstruction
    • Reconstruction of undersampled MRI scans
    • Speech translation
  8. Which condition can undermine Noise2Noise’s clean-target argument?
    • The model uses a convolutional layer
    • The input and target have different file names
    • The clean signal contains edges
    • The target corruption is predictably biased given the input corruption