ガイド連動クイズ · 中 レベル

Conv-TasNet 時間領域分離クイズ

Conv-TasNet の学習波形エンコーダー、マスク分離機能、TCN セパレーター、およびベンチマーク結果の範囲を確認します。

関連するガイドパスConv Tasnet 時間ドメイン分離
質問 1 の 8

以前の分離システムと比較した Conv-TasNet の特徴は何ですか?

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。

  1. 以前の分離システムと比較した Conv-TasNet の特徴は何ですか?
    • 固定スペクトログラムではなく、生の波形に直接作用します。
    • トレーニングデータは必要ありません
    • 音声ではなく音楽でのみ機能します
    • まずオーディオをMIDIに変換します
  2. Conv-TasNet は分離モジュールとしてどのようなネットワークを使用していますか?
    • 完全に接続された単一の層
    • 時間畳み込みネットワーク (積み重ねられた拡張 1D 畳み込み)
    • デシジョンツリーアンサンブル
    • 普及モデル
  3. Conv-TasNet の従来の短時間フーリエ変換に代わるものは何ですか?
    • ウェーブレット変換
    • ハンの窓
    • 学習された 1D コンボリューション エンコーダー
    • メルフィルターバンク
  4. Conv-TasNet のトレーニングの中心となる損失関数はどれですか?
    • 単語ラベルのクロスエントロピー
    • 平均絶対ピクセル誤差
    • コントラスト画像の損失
    • 順列不変トレーニングによるスケール不変 SI-SNR
  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
    • マイクが不要になった
    • 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