Quiz automatycznego tagowania muzyki

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Why do multi-label music taggers often use separate sigmoid outputs rather than a single softmax over tags?
   • All tag probabilities must sum to one
   • A recording is required to have exactly one tag
   • Sigmoid outputs eliminate the need for labeled examples
   • Several nonexclusive tags can apply to the same recording
2. Jaką reprezentację wejściową większość nowoczesnych modeli automatycznego tagowania wprowadza do swojej sieci neuronowej?
   • Spektrogram melowy (obraz czasowo-częstotliwościowy)
   • Tylko surowe wartości amplitudy przebiegu
   • Pola metadanych pliku MP3
   • Zapis nutowy
3. Dlaczego używana jest skala mel zamiast zwykłej liniowej skali częstotliwości?
   • Bardziej efektywnie kompresuje pliki
   • Usuwa cały hałas tła
   • Jest to przybliżone sposób, w jaki ludzie postrzegają wysokość dźwięku
   • Jest to wymagane przez prawo autorskie
4. Jakie jest główne wyzwanie podczas uczenia modeli automatycznego tagowania na rzeczywistych zbiorach danych?
   • Pliki audio są zbyt małe, aby się z nich uczyć
   • Tagi stosowane przez człowieka są zaszumione, niekompletne i niezrównoważone
   • Nie ma publicznych zbiorów danych o muzyce
   • Spektrogramów nie można obliczać w czasie rzeczywistym
5. Który zbiór danych jest powszechnie używany do uczenia i testowania systemów automatycznego tagowania muzyki?
   • MagnaTagATune
   • ImageNet
   • SKŁAD
   • LibriSpeech
6. What additional search interface can an audio-language model such as CLAP support for a music catalog?
   • Guaranteed identification of every artist without audio input
   • Automatic replacement of all rights metadata
   • Searching only by the recording's compressed file size
   • Retrieval using free-form text descriptions rather than only fixed tag names
7. Which objective commonly trains separate binary tag predictions in a music auto-tagger?
   • A single mutually exclusive genre softmax only
   • Binary cross-entropy over the tag outputs
   • A pixel-reconstruction loss on album artwork only
   • A loss requiring exactly one positive tag per track
8. If a music dataset's annotations are incomplete, how should an absent instrument tag be interpreted?
   • It proves the recording has no instruments
   • It guarantees that the tagger's positive prediction is wrong
   • It may be unannotated rather than reliable evidence that the instrument is absent
   • It means the waveform cannot be used for evaluation