Conv-TasNet ٹائم ڈومین علیحدگی کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. پہلے علیحدگی کے نظام کے مقابلے Conv-TasNet کی وضاحتی خصوصیت کیا ہے؟
   • یہ ایک فکسڈ سپیکٹروگرام کے بجائے براہ راست خام ویوفارم پر کام کرتا ہے۔
   • اس کے لیے کسی تربیتی ڈیٹا کی ضرورت نہیں ہے۔
   • یہ صرف موسیقی پر کام کرتا ہے، تقریر پر نہیں۔
   • یہ آڈیو کو پہلے MIDI میں تبدیل کرتا ہے۔
2. Conv-TasNet اپنے علیحدگی کے ماڈیول کے طور پر کس قسم کا نیٹ ورک استعمال کرتا ہے؟
   • ایک مکمل طور پر منسلک پرت
   • ایک عارضی کنولوشنل نیٹ ورک (اسٹیکڈ ڈیلیٹڈ 1D کنولوشن)
   • فیصلے کے درخت کا جوڑا
   • ایک بازی ماڈل
3. Conv-TasNet میں روایتی شارٹ ٹائم فوئیر ٹرانسفارم کی جگہ کیا ہے؟
   • ایک لہراتی تبدیلی
   • ایک ہان ونڈو
   • ایک سیکھا ہوا 1D-convolution انکوڈر
   • میل فلٹر بینک
4. کونسا نقصان کا فنکشن Conv-TasNet کی تربیت میں مرکزی حیثیت رکھتا ہے؟
   • ورڈ لیبلز پر کراس اینٹروپی
   • مطلب مطلق پکسل ایرر
   • متضاد تصویر کا نقصان
   • اسکیل-انویریئنٹ SI-SNR پرموٹیشن-انویرینٹ ٹریننگ کے ساتھ
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
   • اس نے مائیکروفون کی ضرورت ختم کردی
   • 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