แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการเพิ่มประสิทธิภาพของคำพูด Noise2Noise

ทบทวนสมมติฐานการคอร์รัปชั่นแบบคู่ของ Noise2Noise เหตุผลแบบมีเงื่อนไข-ค่าเฉลี่ย และการสาธิตการวิจัยที่นอกเหนือไปจากการปรับปรุงคำพูด

เส้นทางแนะนำที่เกี่ยวข้องการเพิ่มประสิทธิภาพคำพูด Noise2noise
คำถาม 1 ของ 8

ข้อเรียกร้องหลักที่น่าประหลาดใจของ Noise2Noise คืออะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ข้อเรียกร้องหลักที่น่าประหลาดใจของ Noise2Noise คืออะไร?
    • คุณสามารถปฏิเสธได้โดยใช้ตัวอย่างที่เสียหายเท่านั้น ไม่จำเป็นต้องอ้างอิงที่ชัดเจน
    • คุณต้องมีเสียงที่ชัดแจ้งจากเหตุจริงเสมอ
    • โครงข่ายประสาทเทียมไม่สามารถลบสัญญาณรบกวนได้
    • มีเพียงคำพูดเท่านั้นที่ไม่อาจปฏิเสธภาพได้ด้วยวิธีนี้
  2. ทำไมเครือข่ายไม่สามารถจดจำสัญญาณรบกวนในคลิปเป้าหมายได้?
    • เสียงเงียบเกินไปที่จะสำคัญ
    • เสียงเกิดขึ้นแบบสุ่มและเป็นอิสระ ดังนั้นจึงคาดเดาไม่ได้
    • เครือข่ายมีขนาดเล็กเกินไป
    • เสียงจะมีค่าเท่ากันเสมอ
  3. สำหรับการฝึกข้อผิดพลาดกำลังสอง สถิติแบบมีเงื่อนไขใดที่จะลดการสูญเสียที่คาดหวังให้เหลือน้อยที่สุด
    • The largest target value
    • The unconditional variance
    • The conditional mean of the target given the input
    • A randomly selected target frame
  4. สิ่งที่ต้องเป็นจริงเกี่ยวกับเสียงที่เพิ่มเข้าไปในเป้าหมายเพื่อให้เคล็ดลับได้ผล?
    • จะต้องดังกว่าคำพูด
    • จะต้องเป็นเสียงเดียวกับอินพุต
    • มันต้องมาจากสตูดิโอบันทึกเสียง
    • จะต้องเป็นศูนย์และเป็นอิสระจากสัญญาณรบกวนของอินพุต
  5. สำหรับการฝึกข้อผิดพลาดสัมบูรณ์ สถิติแบบมีเงื่อนไขใดที่ถูกย่อให้เหลือน้อยที่สุด
    • The conditional median of the target given the input
    • ความแปรปรวน
    • สูงสุด
    • The sum of all pixels
  6. วิธีใดที่ขยาย Noise2Noise ไปสู่การเรียนรู้จากตัวอย่างที่มีเสียงดังเดี่ยว
    • Word2Vec และ BERT
    • Noise2Void และ Noise2Self
    • กริฟฟิน-ลิม และซาวด์สตรีม
    • ResNet และ VGG
  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