Noise2Noise Konuşma Geliştirme Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Noise2Noise'un şaşırtıcı temel iddiası nedir?
   • Yalnızca bozuk örnekleri kullanarak gürültüyü giderebilirsiniz; temiz referanslara gerek yoktur
   • Her zaman temiz ve gerçek sese sahip olmalısınız
   • Gürültü sinir ağları tarafından giderilemez
   • Yalnızca konuşma, görüntüler asla bu şekilde suçlanamaz
2. Ağ neden hedef klipteki gürültüyü ezberleyemiyor?
   • Gürültü önemli olamayacak kadar sessiz
   • Gürültü rastgele ve bağımsız olduğundan tahmin edilemez
   • Ağ çok küçük
   • Gürültü her zaman aynı değerdedir
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. Hilenin işe yaraması için hedefe eklenen gürültü hakkında ne doğru olmalıdır?
   • Konuşmadan daha yüksek sesli olmalı
   • Girişle aynı gürültü olmalı
   • Bir kayıt stüdyosundan gelmiş olmalı
   • Sıfır ortalamalı ve girişin gürültüsünden bağımsız olmalıdır
5. For absolute-error training, which conditional statistic is minimized?
   • The conditional median of the target given the input
   • varyans
   • Maksimum
   • The sum of all pixels
6. Hangi yöntemler Noise2Noise'ı tek gürültülü örneklerden öğrenmeye doğru genişletti?
   • Word2Vec ve BERT
   • Noise2Void ve Noise2Self
   • Griffin-Lim ve SoundStream
   • ResNet ve 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