引導式測驗 · 中等 等級
Audio Spectrogram Transformer (AST) 測驗
測試 AST 斷面頻譜圖、Transformer 注意力、片段級標籤、預處理選項、時間限制與場域評估。
問題 1 的 8
原始 AST 將哪種表示方式輸入其 Transformer?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 原始 AST 將哪種表示方式輸入其 Transformer?
- 音訊頻譜圖的斷面
- 每個片段的 MFCC 均值摘要向量
- 未經頻譜圖處理的原始波形樣本序列
- 僅手動選擇的頻率峰值
- 為何 Transformer 注意力能協助處理重複聲音?
- 它保證聲源被隔離
- 它消除對音訊標籤的需求
- 它直接測量房間幾何結構
- 它能將片段中分離時刻的證據相關聯
- AST 片段分類分數不直接提供什麼?
- 每個事件的逐幀邊界
- 每個聲音事件的精確起止時間
- 每個來源的分離波形
- 與片段對齊的文字稿
- 為何在比較 AST 結果時要記錄取樣率與頻譜圖設定?
- 它證明每個標籤都是正確的
- 它識別誰錄製了音訊
- 它改變呈現給模型的斷面與特徵
- 它消除領域漂移
- AST 基準分數很高,但工廠警報很少見。接下來應該測試什麼?
- 代表性工廠錄音的每類錯誤
- 僅基準總合
- 僅檢查點檔案大小
- 僅限論文標題
- 為什麼僅憑注意力權重無法完整解釋標籤?
- 注意力機制從不使用任何音訊資訊
- 每個高權重區塊都是一個標註事件
- 它會自動提供人類轉錄稿
- 它無法證明對特定可聽事件的因果依賴
- 哪項任務需要 AST 標註器以外的額外機制?
- 指派片段級別的聲音類別
- 從混合訊號中恢復孤立的對話波形
- 為保留的標註片段評分
- 微調分類器頭部
- 應在目標裝置上測量哪項部署特性?
- 僅限論文中的整體準確率
- 僅限在另一張 GPU 上的訓練時 FLOPs
- 與準確率並列的推論延遲與記憶體用量
- 僅模型參數的數量