Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

AI trong bài kiểm tra đọc môi và nhận dạng giọng nói bằng hình ảnh

Kiểm tra các tín hiệu lời nói bằng hình ảnh, sự mơ hồ về hình ảnh, sự kết hợp giữa âm thanh-video, các đặc điểm thời gian, xử lý vùng miệng và căn chỉnh CTC trong các mô hình đọc môi.

Đường dẫn hướng dẫn liên quanAI trong việc đọc môi và nhận dạng giọng nói bằng hình ảnh
Câu hỏi 1 của 8

What ambiguity does a viseme grouping describe in visual speech recognition?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. What ambiguity does a viseme grouping describe in visual speech recognition?
    • Every sound has a uniquely recoverable image in every frame
    • A camera directly measures a word's meaning
    • Different speech sounds can share similar visible mouth movements
    • The speaker's filename determines the phoneme sequence
  2. How can a visual stream help an audio-visual recognizer when acoustic noise increases?
    • It guarantees correct recognition regardless of occlusion or lighting
    • It can supply additional visible articulation cues when the audio is degraded
    • It removes every need to evaluate the fusion model
    • It makes the acoustic signal physically noiseless
  3. Mặt trước tích chập 3D trong mô hình đọc môi giúp ghi lại điều gì?
    • Màu mắt của người nói
    • Nhiệt độ phòng
    • Giọng của người nói trong văn bản
    • Các mẫu chuyển động ngắn hạn trên các khung hình liên tiếp
  4. Which capture conditions can hide information needed by a visual-speech model?
    • Head turns, poor lighting, or an obstruction over the mouth
    • A clear frontal view as the only guaranteed failure condition
    • A rule that higher resolution removes all ambiguity
    • An audio file's compression setting with no effect on the video
  5. What evaluation scope should be attached to the original LipNet sentence-recognition results?
    • Every spontaneous real-world conversation in every language
    • The constrained GRID benchmark used in the study
    • A guarantee that all professional lip readers are always outperformed
    • Only written text with no visual speech input
  6. Mối quan tâm lớn của xã hội về AI đọc môi là:
    • Nó sử dụng quá nhiều điện
    • Nó không thể chạy trên máy tính
    • Việc sử dụng bí mật cho phép giám sát mà không cần sự đồng ý
    • Nó chỉ hoạt động bằng một ngôn ngữ
  7. Why might a visual-speech pipeline crop a mouth-centered region before temporal modeling?
    • To focus processing on relevant articulation rather than unrelated image background
    • To remove the need for any information about movement
    • To guarantee that every phoneme becomes visually unique
    • To supply the final transcript directly from the crop coordinates
  8. What alignment requirement does CTC avoid in the LipNet training setup?
    • All transcript-level training targets
    • All observations of the speaker's mouth
    • Every temporal dependency in the recognition problem
    • A supplied character label for every individual video frame