แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

แบบทดสอบการฝึกอบรมการเรียงสับเปลี่ยนคงที่

ทดสอบว่าการฝึกอบรมการเรียงสับเปลี่ยนที่ไม่แปรผันจะจัดการกับเอาต์พุตของลำโพงที่ไม่เรียงลำดับได้อย่างไร และเหตุใดการกำหนดระดับคำพูดจึงมีความสำคัญในระหว่างการแยกผู้พูดหลายคน

คำถาม 1 ของ 8

การฝึกอบรมแบบไม่แปรผันของการเรียงสับเปลี่ยน (PIT) แก้ปัญหาหลักอะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. การฝึกอบรมแบบไม่แปรผันของการเรียงสับเปลี่ยน (PIT) แก้ปัญหาหลักอะไร
    • ตัดสินใจว่าช่องสัญญาณเอาท์พุตใดควรตรงกับลำโพงตัวใดในระหว่างการฝึกอบรม
    • การบีบอัดเสียงเพื่อการจัดเก็บ
    • การลดต้นทุนฮาร์ดแวร์ไมโครโฟน
    • การแปลคำพูดที่แยกจากกันเป็นข้อความ
  2. PIT ตัดสินใจอย่างไรว่าจะใช้ข้อผิดพลาดใดเมื่ออัปเดตโมเดล
    • โดยจะเฉลี่ยข้อผิดพลาดในเอาต์พุตทั้งหมดเท่าๆ กัน
    • โดยจะพยายามจับคู่เอาต์พุตกับแหล่งที่มาทุกรายการ และเก็บรายการที่มีข้อผิดพลาดน้อยที่สุดไว้
    • มันจะกำหนดเสียงที่ดังที่สุดให้กับเอาต์พุต 1 เสมอ
    • โดยจะละเว้นการอ้างอิงทั้งหมด
  3. หากไม่มีโซลูชันเช่น PIT จะเกิดอะไรขึ้นกับเอาต์พุตโมเดลการแยก
    • พวกเขาสะอาดหมดจดทันที
    • พวกเขาวิ่งเร็วขึ้นมาก
    • พวกเขาสร้างผลลัพธ์ที่พร่ามัวและเป็นค่าเฉลี่ยเนื่องจากการกำหนดป้ายกำกับที่ขัดแย้งกัน
    • พวกเขาไม่ต้องการข้อมูลการฝึกอบรม
  4. ในการแยกลำโพง N ต้องพิจารณาการเรียงสับเปลี่ยนกี่ครั้งต่อขั้นตอน
    • N (เชิงเส้นในลำโพง)
    • ยังไม่มีข้อความ กำลังสอง
    • สองเสมอ
    • ยังไม่มีข้อความแฟคทอเรียล
  5. PIT ระดับคำพูด (uPIT) เพิ่มข้อได้เปรียบเหนือการกำหนดระดับเฟรมอย่างไร
    • ช่วยให้ลำโพงอยู่ในช่องสัญญาณเอาต์พุตที่เสถียรตลอดทั้งเสียงพูด
    • โดยจะขจัดความจำเป็นในการอ้างอิงใดๆ
    • ใช้ได้กับดนตรีเท่านั้น ไม่ใช่คำพูด
    • มันเพิ่มจำนวนผู้พูดเป็นสองเท่า
  6. แนวทางใดที่สามารถหลีกเลี่ยงปัญหาการเรียงสับเปลี่ยนได้ทั้งหมด
    • การเพิ่มบิตเรตของเสียง
    • การแยกลำโพงเป้าหมายซึ่งมีเงื่อนไขในคิวเสียงอ้างอิง
    • ใช้การบันทึกแบบโมโนเท่านั้น
    • ปิดการใช้งานการเผยแพร่ย้อนกลับ
  7. What extra inference step does utterance-level PIT avoid compared with frame-level PIT?
    • Running speech recognition before source separation
    • Estimating the number of microphones in the recording
    • Solving an additional output-speaker permutation problem during inference
    • Recomputing the training loss after every generated word
  8. Which benchmark does the guide name as an example for evaluating speech-separation models?
    • LibriSpeech for single-speaker transcription
    • ImageNet for visual recognition
    • GLUE for language understanding
    • WSJ0-2mix for overlapping-speaker separation