गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

कन्व-टासनेट टाइम-डोमेन पृथक्करण प्रश्नोत्तरी

Conv-TasNet के सीखे गए वेवफ़ॉर्म एनकोडर, मास्क्ड सेपरेशन फीचर्स, TCN सेपरेटर और इसके बेंचमार्क परिणामों के दायरे की समीक्षा करें।

प्रश्न 1 का 8

पहले की पृथक्करण प्रणालियों की तुलना में Conv-TasNet की परिभाषित विशेषता क्या है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

  1. पहले की पृथक्करण प्रणालियों की तुलना में Conv-TasNet की परिभाषित विशेषता क्या है?
    • यह एक निश्चित स्पेक्ट्रोग्राम के बजाय सीधे कच्चे तरंग रूप पर काम करता है
    • इसके लिए किसी प्रशिक्षण डेटा की आवश्यकता नहीं है
    • यह केवल संगीत पर काम करता है, वाणी पर नहीं
    • यह पहले ऑडियो को MIDI में परिवर्तित करता है
  2. Conv-TasNet अपने पृथक्करण मॉड्यूल के रूप में किस प्रकार के नेटवर्क का उपयोग करता है?
    • एक पूरी तरह से जुड़ी हुई परत
    • एक टेम्पोरल कन्वोल्यूशनल नेटवर्क (स्टैक्ड डाइलेटेड 1डी कन्वोल्यूशन)
    • एक निर्णय वृक्ष समूह
    • एक प्रसार मॉडल
  3. Conv-TasNet में पारंपरिक शॉर्ट-टाइम फूरियर ट्रांसफ़ॉर्म की जगह क्या लेता है?
    • एक तरंगिका परिवर्तन
    • एक हन खिड़की
    • एक सीखा हुआ 1D-कन्वोल्यूशन एनकोडर
    • एक मेल फ़िल्टरबैंक
  4. Conv-TasNet के प्रशिक्षण के लिए कौन सा हानि फ़ंक्शन केंद्रीय है?
    • शब्द लेबल पर क्रॉस-एन्ट्रॉपी
    • माध्य निरपेक्ष पिक्सेल त्रुटि
    • विरोधाभासी छवि हानि
    • क्रमपरिवर्तन-अपरिवर्तनीय प्रशिक्षण के साथ स्केल-अपरिवर्तनीय एसआई-एसएनआर
  5. What did Conv-TasNet’s paper report about ideal time-frequency magnitude masks?
    • It surpassed several ideal magnitude masks in two-speaker separation evaluations
    • इसने माइक्रोफ़ोन की आवश्यकता को समाप्त कर दिया
    • It only worked on one identical speaker
    • It used ideal masks as its encoder
  6. What does Conv-TasNet’s learned encoder produce for the separator?
    • A transcript of each speaker
    • A waveform representation optimized for speaker separation
    • A fixed mel image
    • A list of microphone locations
  7. What type of speech-separation task did the Conv-TasNet paper address?
    • Text-to-speech from a written prompt
    • Speaker identification from video frames
    • A single-channel mixture containing multiple speakers
    • Multichannel music transcription with MIDI output
  8. What allows Conv-TasNet’s TCN to model long-term speech dependencies?
    • A database lookup for every audio sample
    • A text decoder
    • A fixed Fourier transform alone
    • Stacked one-dimensional dilated convolutional blocks