Вікторина, пов’язана з посібником · важко Рівень
Навчальна вікторина щодо інваріантів перестановки
Перевірте, як навчання з інваріантом перестановки обробляє невпорядковані виходи динаміків і чому призначення рівня висловлювання має значення під час розділення кількох співрозмовників.
Питання 1 з 8
Яку основну проблему вирішує пермутаційно-інваріантне навчання (PIT)?
Перегляньте кожне запитання8 запитання
Відповіді та пояснення з’являються під час виконання тесту.
- Яку основну проблему вирішує пермутаційно-інваріантне навчання (PIT)?
- Вирішення, який вихідний канал має відповідати якому динаміку під час навчання
- Стиснення аудіо для зберігання
- Зменшення витрат на мікрофонне обладнання
- Переклад розділеного мовлення в текст
- Як PIT вирішує, яку помилку використовувати під час оновлення моделі?
- Він однаково усереднює помилку для всіх виходів
- Він пробує кожне сполучення вихідного сигналу з джерелом і зберігає той, який має найменшу помилку
- Він завжди призначає найгучніший голос виходу 1
- Він повністю ігнорує посилання
- Без такого рішення, як PIT, що, як правило, відбувалося з результатами моделі розділення?
- Вони одразу стали ідеально чистими
- Вони бігли набагато швидше
- Вони створювали розмиті усереднені результати через суперечливі призначення міток
- Їм не потрібні дані про навчання
- Щоб відокремити N динаміків, скільки перестановок має враховувати PIT за крок?
- N (лінійний в колонках)
- N у квадраті
- Завжди рівно два
- N факторіал
- Яку перевагу PIT на рівні висловлювання (uPIT) додає перед призначенням на рівні кадру?
- Це зберігає мовця в стабільному вихідному каналі протягом усього висловлювання
- Це усуває потребу в будь-яких посиланнях
- Він працює лише на музику, а не на мову
- Це подвоює кількість динаміків
- Який підхід може повністю обійти проблему перестановки?
- Збільшення бітрейту аудіо
- Виділення цільового мовця, яке обумовлюється опорним голосовим сигналом
- Використання лише монофонічних записів
- Вимкнення зворотного поширення
- 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
- 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