Noise2Noise Speech Enhancement کوئز

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

1. Noise2Noise کا حیران کن بنیادی دعویٰ کیا ہے؟
   • آپ صرف خراب مثالوں کا استعمال کرتے ہوئے انکار کر سکتے ہیں، صاف حوالہ جات کی ضرورت نہیں ہے۔
   • آپ کے پاس ہمیشہ صاف زمینی سچائی آڈیو ہونی چاہیے۔
   • عصبی نیٹ ورک کے ذریعے شور کو دور نہیں کیا جا سکتا
   • اس طرح صرف تقریر کی، کبھی تصویروں کی تردید کی جا سکتی ہے۔
2. نیٹ ورک صرف ٹارگٹ کلپ میں شور کو حفظ کیوں نہیں کرسکتا؟
   • شور معاملہ کرنے کے لئے بہت خاموش ہے
   • شور بے ترتیب اور آزاد ہے، اس لیے یہ غیر متوقع ہے۔
   • نیٹ ورک بہت چھوٹا ہے۔
   • شور ہمیشہ ایک ہی قدر ہوتا ہے۔
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. چال کے کام کرنے کے لیے ہدف میں شامل شور کے بارے میں کیا سچ ہونا چاہیے؟
   • یہ تقریر سے زیادہ بلند ہونا چاہیے۔
   • یہ ان پٹ کے طور پر ایک ہی شور ہونا چاہئے
   • یہ ریکارڈنگ اسٹوڈیو سے آنا چاہیے۔
   • یہ صفر کا مطلب ہونا چاہیے اور ان پٹ کے شور سے آزاد ہونا چاہیے۔
5. For absolute-error training, which conditional statistic is minimized?
   • The conditional median of the target given the input
   • تغیر
   • زیادہ سے زیادہ
   • The sum of all pixels
6. کون سے طریقوں نے Noise2Noise کو ایک شور والے نمونوں سے سیکھنے کی طرف بڑھایا؟
   • Word2Vec اور BERT
   • Noise2Void اور Noise2Self
   • گریفن لم اور ساؤنڈ اسٹریم
   • ResNet اور 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