Викторина, связанная с руководством · Средний Уровень

Noise2Noise: тест на улучшение речи

Ознакомьтесь с предположениями Noise2Noise о парном искажении, его обоснованием условного среднего и демонстрациями исследований, выходящими за рамки улучшения речи.

Связанные направляющие путиУлучшение речи Noise2noise
Вопрос 1 из 8

В чем заключается удивительное основное утверждение Noise2Noise?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. В чем заключается удивительное основное утверждение Noise2Noise?
    • Вы можете шумоподавить, используя только поврежденные примеры, чистые ссылки не нужны.
    • У вас всегда должен быть чистый достоверный звук.
    • Шум не может быть удален нейронными сетями
    • Таким образом можно обесшумить только речь, а не изображения.
  2. Почему сеть не может просто запомнить шум в целевом клипе?
    • Шум слишком тихий, чтобы иметь значение
    • Шум случайный и независимый, поэтому он непредсказуем.
    • Сеть слишком мала
    • Шум всегда имеет одно и то же значение
  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. Что должно быть правдой относительно шума, добавленного к цели, чтобы трюк сработал?
    • Это должно быть громче, чем речь
    • Это должен быть тот же шум, что и входной сигнал.
    • Это должно быть из студии звукозаписи.
    • Оно должно быть нулевым средним и независимым от входного шума.
  5. For absolute-error training, which conditional statistic is minimized?
    • The conditional median of the target given the input
    • Дисперсия
    • Максимум
    • The sum of all pixels
  6. Какие методы расширили Noise2Noise до обучения на отдельных зашумленных образцах?
    • Word2Vec и БЕРТ
    • Noise2Void и Noise2Self
    • Гриффин-Лим и SoundStream
    • Реснет и ВГГ
  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