แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการแยกโดเมนเวลา Conv-TasNet

ตรวจสอบตัวเข้ารหัสรูปคลื่นที่เรียนรู้ได้ของ Conv-TasNet, ฟีเจอร์การแยกแยะแบบมีมาสก์, ตัวแยก TCN และขอบเขตของผลลัพธ์การทดสอบประสิทธิภาพ

เส้นทางแนะนำที่เกี่ยวข้องการแยกโดเมนเวลา Conv Tasnet
คำถาม 1 ของ 8

อะไรคือคุณสมบัติที่กำหนดของ Conv-TasNet เมื่อเปรียบเทียบกับระบบการแยกรุ่นก่อนๆ

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. อะไรคือคุณสมบัติที่กำหนดของ Conv-TasNet เมื่อเปรียบเทียบกับระบบการแยกรุ่นก่อนๆ
    • โดยทำงานโดยตรงบนรูปคลื่นดิบแทนที่จะเป็นสเปกโตรแกรมคงที่
    • มันไม่จำเป็นต้องมีข้อมูลการฝึกอบรม
    • ใช้ได้กับดนตรีเท่านั้น ไม่ใช่คำพูด
    • มันจะแปลงเสียงเป็น MIDI ก่อน
  2. Conv-TasNet ใช้เป็นเครือข่ายประเภทใดเป็นโมดูลแยก
    • เลเยอร์เดียวที่เชื่อมต่อกันอย่างสมบูรณ์
    • เครือข่าย Convolutional ชั่วคราว (การบิด 1D แบบขยายแบบเรียงซ้อน)
    • ชุดต้นไม้ตัดสินใจ
    • รูปแบบการแพร่กระจาย
  3. อะไรจะมาแทนที่การแปลงฟูริเยร์เวลาสั้นแบบดั้งเดิมใน Conv-TasNet
    • การแปลงเวฟเล็ต
    • หน้าต่างของฮันน์
    • ตัวเข้ารหัส 1D-convolution ที่เรียนรู้แล้ว
    • เมล ฟิลเตอร์แบงค์
  4. ฟังก์ชั่นการสูญเสียใดที่เป็นศูนย์กลางในการฝึกอบรม Conv-TasNet
    • ข้ามเอนโทรปีบนฉลากคำ
    • หมายถึงข้อผิดพลาดพิกเซลสัมบูรณ์
    • การสูญเสียภาพที่ตรงกันข้าม
    • SI-SNR ที่ไม่แปรผันตามขนาดพร้อมการฝึกอบรมแบบไม่แปรผันของการเรียงสับเปลี่ยน
  5. What did Conv-TasNet’s paper report about ideal time-frequency magnitude masks?
    • It surpassed several ideal magnitude masks in two-speaker separation evaluations
    • ทำให้ไม่จำเป็นต้องใช้ไมโครโฟนอีกต่อไป
    • It only worked on one identical speaker
    • It used ideal masks as its encoder
  6. What does Conv-TasNet’s learned encoder produce for the separator?
    • A transcript of each speaker
    • A waveform representation optimized for speaker separation
    • A fixed mel image
    • A list of microphone locations
  7. What type of speech-separation task did the Conv-TasNet paper address?
    • Text-to-speech from a written prompt
    • Speaker identification from video frames
    • A single-channel mixture containing multiple speakers
    • Multichannel music transcription with MIDI output
  8. What allows Conv-TasNet’s TCN to model long-term speech dependencies?
    • A database lookup for every audio sample
    • A text decoder
    • A fixed Fourier transform alone
    • Stacked one-dimensional dilated convolutional blocks