Quiz collegato alla guida · Medio Livello

Tagging musicale con Transformers Quiz

Comprendere la codifica musicale basata su trasformatore, gli output multi-etichetta, il preaddestramento audio, le metriche di benchmark e i modelli audio-testo contrastanti.

Domanda 1 di 8

Perché il tagging musicale viene trattato come un problema multi-etichetta?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Perché il tagging musicale viene trattato come un problema multi-etichetta?
    • Perché una singola traccia può contenere più tag contemporaneamente
    • Perché ogni canzone ha esattamente un tag corretto
    • Perché i tag sono sempre numerici
    • Perché esiste un solo genere per artista
  2. In the Audio Spectrogram Transformer paper, what audio representation is split into patches?
    • A list of MIDI note names
    • Uno spettrogramma log-Mel
    • A sequence of album-cover pixels
    • A transcription of the song’s lyrics
  3. Perché i modelli di tagging musicale utilizzano un output sigmoide per tag invece di un softmax?
    • I sigmoidi sono più veloci da calcolare
    • Softmax non può essere eseguito con l'audio
    • Perché i tag possono coesistere e non si escludono a vicenda
    • Per ridurre il numero di tag
  4. Qual è il ruolo della preformazione autocontrollata per modelli come MERT?
    • Etichetta le canzoni a mano
    • Rimuove la voce dalle tracce
    • Funziona solo con la musica classica
    • Apprende rappresentazioni audio forti da clip senza etichetta prima della messa a punto
  5. Quale set di dati viene comunemente utilizzato per ottimizzare e confrontare i tagger musicali?
    • MagnaTagATune
    • MNIST
    • ImageNet
    • SQUAD
  6. In che modo i modelli in stile CLAP consentono il tagging musicale zero-shot?
    • Memorizzando ogni canzone
    • Allineando le descrizioni audio e testuali in uno spazio di incorporamento condiviso
    • Convertendo la musica in immagini
    • Richiedendo etichette per ogni possibile tag
  7. Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
    • Tasso di errori di parole
    • 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