잔차 벡터 양자화 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. RVQ의 각 연속 코드북은 무엇을 양자화합니까?
   • 이전 단계에서 남은 잔여 오류
   • 처음부터 다시 원래 입력
   • 다른 오디오 채널
   • 디코더의 출력
2. 단일 대형 코드북 대신 RVQ를 사용하는 이유는 무엇입니까?
   • 교육이 필요하지 않습니다.
   • 거대하고 효과적인 코드북을 작은 코드북으로 분해하여 메모리와 컴퓨팅을 절약합니다.
   • 인코더를 완전히 제거합니다.
   • 텍스트 데이터에만 작동합니다.
3. RVQ 코드로부터 최종 재구성은 어떻게 형성됩니까?
   • 마지막 코드북의 벡터만 취함으로써
   • 노이즈가 포함된 입력을 평균화하여
   • 모든 단계에서 선택된 벡터를 합산하여
   • 모든 코드북 항목을 곱함으로써
4. 각각 K개의 항목으로 구성된 M단계에서 RVQ는 몇 개의 효과적인 코드 조합을 나타냅니까?
   • M 곱하기 K
   • M 더하기 K
   • K를 M으로 나눈 값
   • K의 거듭제곱 M
5. RVQ 코드북을 훈련할 때 '커밋 손실'의 일반적인 목적은 무엇입니까?
   • 인코더 출력을 선택한 코드북 항목에 가깝게 유지하려면
   • 오디오 샘플 속도를 높이려면
   • 사용하지 않는 오디오 프레임을 삭제하려면
   • 코드를 다시 텍스트로 변환하려면
6. RVQ는 추론 시 신경 코덱이 비트 전송률을 변경하도록 어떻게 허용합니까?
   • 다른 샘플링 속도로만 전환함으로써
   • 더 많거나 더 적은 양자화기 단계를 사용하여
   • 매번 전체 모델을 재교육함으로써
   • 디코더 가중치를 압축하여
7. In RVQ training, what does commitment loss encourage?
   • Each codebook to contain a different number of entries
   • The decoder to output longer audio
   • The encoder output to stay close to the selected codebook vector
   • The residual to increase at every quantization stage
8. How are codebook vectors commonly updated in the guide’s RVQ description?
   • By sorting the codebook alphabetically
   • By replacing the codebook with a recurrent network
   • By adding the residual directly to every code index
   • With exponential moving averages of encoder assignments