ガイド連動クイズ · 中 レベル
音響シーン分類クイズ
周囲のシーンの認識、デバイスの不一致、ログメル機能、デバイス対応の拡張、オンデバイス モデルのメモリ制約を調べます。
質問 1 の 8
音響シーンの分類は音声イベントの検出とどのように異なりますか?
すべての質問をプレビューする8 質問
クイズに答えると、答えと解説が表示されます。
- 音響シーンの分類は音声イベントの検出とどのように異なりますか?
- それらはまったく同じタスクです
- ASC は環境全体を識別し、イベント検出は特定の音を特定します。
- ASC は音楽のみで動作します
- イベント検出は時間を完全に無視します
- ASC における「デバイスの不一致」問題とは何ですか?
- スピーカーからのオーディオ再生音が大きすぎる
- 間違った形式で保存されたファイル
- あるマイクでトレーニングされたモデルが、別のマイクではパフォーマンスが低下する
- 同じように聞こえる 2 つのシーン
- ASC モデルではどの入力表現が標準ですか?
- 生のテキストのトランスクリプト
- 場所のJPEG画像
- GPS座標
- ログメルスペクトログラム
- ASC モデルが一瞬ではなく、何秒にもわたって機能をプールするのはなぜですか?
- シーンは単一のイベントではなく、長期的な音響統計によって定義されるため
- ファイルサイズを小さくするには
- マイクが遅いから
- すべてのノイズを除去するには
- ASC の進歩の大きな原動力となったのはどの研究課題ですか?
- ImageNet コンテスト
- ローブナー賞
- チューリングテスト
- DCASE への挑戦
- What inference-computation budget did the DCASE 2024 low-complexity acoustic-scene task specify for a one-second audio clip?
- Exactly 30 billion operations for every device
- At most 30 million multiply-accumulate operations
- No computation limit of any kind
- A limit measured only by the recording filename length
- How can quantization help an acoustic-scene model meet a parameter-storage budget?
- By storing weights with fewer bits per parameter
- By adding more high-precision copies of every weight
- By replacing the memory budget with an accuracy score
- By making the microphone sample rate unlimited
- What variation is device-aware augmentation intended to simulate for acoustic-scene training?
- Only changes in the spelling of scene labels
- Only a different album-cover image
- Changes in recording-device characteristics such as microphone frequency response
- A guarantee that all environments have identical acoustics