ガイド連動クイズ · 中 レベル

デュアルパス RNN 分離クイズ

DPRNN のオーバーラップ チャンク、チャンク内およびチャンク間再発、オーバーラップ加算再構成、およびベンチマーク スコープの結果を確認します。

関連するガイドパスデュアルパス Rnn 分離
質問 1 の 8

デュアルパス RNN は主にどのような問題を解決しますか?

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。

  1. デュアルパス RNN は主にどのような問題を解決しますか?
    • 単一の RNN を圧倒する非常に長いオーディオ シーケンスのモデリング
    • テキストから新しい音楽を生成する
    • オーディオファイルを圧縮して保存する
    • 話されている言語を検出する
  2. デュアルパス RNN の 2 つの「パス」とは何ですか?
    • エンコーダとデコーダ
    • チャンク内 (ローカル) およびチャンク間 (グローバル) の再発
    • オーディオの前後方向の再生
    • トレーニングと推論のパス
  3. デュアルパスブロックの前に、長い特徴シーケンスはどのように準備されるのでしょうか?
    • 単一の平均ベクトルに変換されます
    • テキストトークンに変換されます
    • 2D グリッドを形成する短い重なり合うチャンクにセグメント化されます。
    • 1つのサンプルにダウンサンプリングされます
  4. DPRNN はセパレータの代替としてどの既存のフレームワークに組み込まれましたか?
    • 拡散イメージモデル
    • 音声からテキストへのデコーダのみ
    • GANベースのボコーダー
    • Conv-TasNet エンコーダ/デコーダ フレームワーク
  5. DPRNN のデュアルパス構造を維持し、RNN をトランスフォーマーに置き換えた後のモデルはどれですか?
    • 9月前
    • ウェーブネット
    • バート
    • タコトロン
  6. チャンクでの処理がトレーニングの安定性に役立つのはなぜですか?
    • 損失関数が不要になります
    • 各 RNN は短いサブシーケンスのみを認識し、非常に長いバックプロップ チェーンを回避します。
    • 重なっているスピーカーをすべて自動的に排除します
    • 音声を画像に変換します
  7. How are processed overlapping chunks recombined into the output sequence?
    • By sorting them alphabetically
    • By averaging all chunks into one frame
    • By overlap-add across the chunk positions
    • By converting them into text tokens
  8. On which benchmark did the DPRNN paper report its 20-times-smaller model comparison?
    • MUSDB18
    • イメージネット
    • LibriTTS
    • WSJ0-2mix