연결주의 시간 분류 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. CTC는 음성 인식을 해결하기 위해 어떤 핵심 문제를 설계했습니까?
   • 프레임 수준 레이블 없이 텍스트를 출력하기 위해 분할되지 않은 오디오 프레임 정렬
   • 저장을 위해 오디오 파일 압축
   • 한 언어에서 다른 언어로 음성 번역
   • 녹음에서 배경 소음 제거
2. CTC의 특수 '공백' 토큰은 무엇에 사용되나요?
   • 전체 문장의 끝만 표시하려면
   • '여기에 새로운 출력이 없음'을 나타내고 실제 반복되는 문자를 분리하기 위해
   • 언어 모델 확률을 저장하려면
   • 원본 오디오 파형에 무음을 표시하려면
3. CTC는 타겟 전사에 대한 손실을 어떻게 계산합니까?
   • 가장 가능성이 높은 단일 정렬을 선택하고 나머지는 무시합니다.
   • 프레임 단위로 픽셀 값을 비교합니다.
   • 대상 텍스트로 축소되는 모든 유효한 프레임 경로의 확률을 합산합니다.
   • 시간 경과에 따른 오디오 진폭의 평균을 구합니다.
4. 프레임 경로를 최종 텍스트로 변환하기 위해 CTC가 적용하는 두 가지 축소 규칙은 무엇입니까?
   • 글자를 대문자로 쓴 다음 구두점을 추가하세요.
   • 순서를 반대로 한 다음 모음을 제거합니다.
   • 공백을 추가한 다음 음소로 번역하세요.
   • 연속된 반복 문자를 병합한 다음 빈 토큰을 삭제합니다.
5. 표준 CTC는 출력에 대해 어떤 단순화된 가정을 합니까?
   • 각 프레임의 예측은 오디오가 주어지면 다른 프레임과 조건부로 독립적입니다.
   • 출력은 이전에 내보낸 문자에 크게 의존합니다.
   • 오디오 길이는 정확히 1초여야 합니다.
   • 모든 캐릭터는 정확히 한 프레임을 차지합니다.
6. CTC에서 탐욕스러운 디코딩보다 융합 언어 모델을 사용한 빔 검색이 선호되는 이유는 무엇입니까?
   • 모든 기기에서 더 빠르게 실행됩니다.
   • CTC의 내부 언어 모델 부족을 보완하여 정확성을 향상시킵니다.
   • 빈 토큰이 필요하지 않습니다.
   • 네트워크를 훈련할 필요가 없습니다.
7. What length constraint does CTC place on an output sequence relative to input frames?
   • The target must always have exactly the same length as the input
   • The target must contain twice as many labels as input frames
   • The target cannot require more output labels than there are input time steps
   • CTC requires a fixed 256-token output
8. How can CTC compute the sum over many valid alignments without explicitly listing every path?
   • By selecting one random path and ignoring all others
   • By running a separate language model for every audio frame
   • By sorting the transcript alphabetically
   • Using a forward-backward dynamic-programming recurrence over an alignment lattice