Викторина, связанная с руководством · Средний Уровень

Музыкальные теги с викториной «Трансформеры»

Понимание музыкальных тегов на основе преобразователя, выходов с несколькими метками, предварительной подготовки звука, контрольных показателей и контрастных моделей аудио-текста.

Связанные направляющие путиМузыкальные теги с трансформерами
Вопрос 1 из 8

Почему маркировка музыкальных тегов рассматривается как проблема с несколькими метками?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Почему маркировка музыкальных тегов рассматривается как проблема с несколькими метками?
    • Потому что один трек может содержать сразу несколько тегов
    • Потому что у каждой песни ровно один правильный тег.
    • Поскольку теги всегда числовые
    • Потому что у каждого исполнителя существует только один жанр.
  2. In the Audio Spectrogram Transformer paper, what audio representation is split into patches?
    • A list of MIDI note names
    • Логарифмическая спектрограмма
    • A sequence of album-cover pixels
    • A transcription of the song’s lyrics
  3. Почему модели с тегами музыки используют сигмоидальный вывод для каждого тега вместо одного softmax?
    • Сигмоиды вычисляются быстрее
    • Softmax не может работать со звуком
    • Поскольку теги могут встречаться одновременно и не являются взаимоисключающими.
    • Чтобы уменьшить количество тегов
  4. Какова роль предварительной подготовки с самоконтролем для таких моделей, как MERT?
    • Он маркирует песни вручную
    • Удаляет вокал из треков
    • Работает только с классической музыкой.
    • Он изучает сильные звуковые представления из немаркированных клипов перед точной настройкой.
  5. Какой набор данных обычно используется для точной настройки и тестирования музыкальных тегов?
    • MagnaTagATune
    • МНИСТ
    • ImageNet
    • Отряд
  6. Как модели в стиле CLAP обеспечивают нулевую маркировку музыки?
    • Запоминая каждую песню
    • Путем выравнивания аудио и текстовых описаний в общем пространстве встраивания.
    • Преобразуя музыку в изображения
    • Требуя меток для каждого возможного тега
  7. Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
    • Частота ошибок в словах
    • Peak signal-to-noise ratio
    • Mean average precision
    • BLEU score
  8. What does the musicnn repository provide?
    • A text-only sentiment classifier
    • A digital audio workstation
    • A collection of manually composed MIDI scores
    • Pretrained convolutional neural networks for music audio tagging