引导式测验 · 中等 等级

Democs 音乐源分离测验

使用额外的训练数据回顾 Democs 波形和混合分离、MUSDB 上的 SDR 以及 HT-Demucs 跨域注意力。

相关引导路径Democs 音乐源分离
问题 1 的 8

Demucs 对完成的歌曲做了什么？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. Demucs 对完成的歌曲做了什么？
    • 将其分为人声、鼓、贝司等主干
    • 将其压缩为较小的文件
    • 翻译歌词
    • 在不改变音调的情况下加快速度
  2. 是什么让 Hybrid Demucs 成为“混合体”？
    • 它将两首不同的歌曲混合在一起
    • 它处理波形和频谱图域中的音频
    • 它使用英语和法语歌词
    • 一半在 CPU 上运行，一半在纸上运行
  3. 原始 Demucs 论文报告了 MUSDB 上分离质量的哪个指标？
    • 字错误率 (WER)
    • 平均倒数排名 (MRR)
    • 信号失真比 (SDR)
    • 并交交集 (IoU)
  4. 哪个研究组织与最初的 Democs 项目相关？
    • 艾伦人工智能研究所
    • 久泰实验室
    • 国际音乐信息检索协会
    • Facebook 人工智能研究 (FAIR)
  5. 为什么早期的 Democs 直接在原始波形上工作？
    • 避免丢失相位信息
    • 因为频谱图是非法的
    • 故意增大文件
    • 因为波形不包含声音
  6. 哪个数据集对于 Democs 的训练和基准测试至关重要？
    • 图像网
    • MUSDB18
    • MNIST
    • 普通爬行
  7. HT-Demucs 论文在其波形和频谱图分支之间添加了哪些注意模式？
    • 仅注意歌词标记
    • 仅立体声通道上的单个关注层
    • 每个域内的自注意力和跨域的交叉注意力
    • 没有注意；仅最近邻查找
  8. What did the HT-Demucs paper report about extra training songs?
    • Extra songs reduced SDR by 10 dB in every setting
    • The model reached the same result with zero training songs
    • The paper reported only a word-error-rate change
    • With 800 extra songs, HT-Demucs improved SDR by 0.45 dB over Hybrid Demucs trained on the same data