가이드 연계 퀴즈 · 중간 레벨

이중 경로 RNN 분리 퀴즈

DPRNN의 중첩 청크, 청크 내 및 청크 간 재발, 중첩 추가 재구성 및 벤치마크 범위 결과를 검토합니다.

관련 가이드 경로이중 경로 Rnn 분리
질문 1 의 8

이중 경로 RNN은 주로 어떤 문제를 해결합니까?

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  1. 이중 경로 RNN은 주로 어떤 문제를 해결합니까?
    • 단일 RNN을 압도하는 매우 긴 오디오 시퀀스 모델링
    • 텍스트에서 새로운 음악 생성
    • 저장을 위해 오디오 파일 압축
    • 말하는 언어 감지
  2. 이중 경로 RNN의 두 가지 '경로'는 무엇입니까?
    • 인코더 및 디코더
    • 청크 내(로컬) 및 청크 간(전역) 반복
    • 앞으로 및 뒤로 오디오 재생
    • 훈련 및 추론 경로
  3. 이중 경로가 차단되기 전에 긴 기능 시퀀스는 어떻게 준비됩니까?
    • 단일 평균 벡터로 변환됩니다.
    • 텍스트 토큰으로 변환됩니다.
    • 2D 그리드를 형성하는 짧은 중첩 청크로 분할됩니다.
    • 하나의 샘플로 다운샘플링됩니다.
  4. 구분 기호 교체로 DPRNN이 삭제된 기존 프레임워크는 무엇입니까?
    • 확산 이미지 모델
    • 음성-텍스트 디코더만 해당
    • GAN 기반 보코더
    • Conv-TasNet 인코더/디코더 프레임워크
  5. DPRNN의 이중 경로 구조를 유지하면서 RNN을 Transformers로 대체한 최신 모델은 무엇입니까?
    • 9월전
    • 웨이브넷
    • 버트
    • 타코트론
  6. 청크 처리가 훈련 안정성에 도움이 되는 이유는 무엇입니까?
    • 손실 함수가 필요하지 않습니다.
    • 각 RNN은 매우 긴 백프롭 체인을 피하면서 짧은 하위 시퀀스만 봅니다.
    • 겹치는 모든 스피커를 자동으로 제거합니다.
    • 오디오를 이미지로 변환합니다.
  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
    • 이미지넷
    • LibriTTS
    • WSJ0-2mix