Noise2Noise 음성 향상 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Noise2Noise의 놀라운 핵심 주장은 무엇입니까?
   • 손상된 예제만 사용하여 잡음을 제거할 수 있으며 깨끗한 참조는 필요하지 않습니다.
   • 항상 깨끗한 실측 오디오가 있어야 합니다.
   • 신경망으로는 노이즈를 제거할 수 없습니다.
   • 이런 방식으로 노이즈를 제거할 수 있는 것은 이미지가 아닌 오직 음성뿐입니다.
2. 네트워크가 대상 클립의 노이즈를 단순히 기억할 수 없는 이유는 무엇입니까?
   • 소음이 너무 작아서 문제가 되지 않습니다.
   • 잡음은 무작위적이고 독립적이므로 예측할 수 없습니다.
   • 네트워크가 너무 작습니다.
   • 소음은 항상 같은 값입니다.
3. For squared-error training, what conditional statistic minimizes expected loss?
   • The largest target value
   • The unconditional variance
   • The conditional mean of the target given the input
   • A randomly selected target frame
4. 트릭이 작동하려면 대상에 추가된 노이즈에 대해 무엇이 참이어야 합니까?
   • 말보다 더 커야 해
   • 입력과 동일한 잡음이어야 합니다.
   • 녹음실에서 나와야 합니다.
   • 이는 평균이 0이어야 하고 입력 노이즈와 독립적이어야 합니다.
5. For absolute-error training, which conditional statistic is minimized?
   • The conditional median of the target given the input
   • 분산
   • 최대
   • The sum of all pixels
6. 단일 잡음 샘플로부터 학습하기 위해 Noise2Noise를 확장한 방법은 무엇입니까?
   • Word2Vec 및 BERT
   • Noise2Void 및 Noise2Self
   • 그리핀림과 사운드스트림
   • ResNet과 VGG
7. Which non-photographic reconstruction task did the Noise2Noise paper demonstrate?
   • Satellite orbit prediction
   • Particle-track reconstruction
   • Reconstruction of undersampled MRI scans
   • Speech translation
8. Which condition can undermine Noise2Noise’s clean-target argument?
   • The model uses a convolutional layer
   • The input and target have different file names
   • The clean signal contains edges
   • The target corruption is predictably biased given the input corruption