引導式測驗 · 中等 等級
Democs 音樂來源分離測驗
使用額外的訓練資料回顧 Democs 波形和混合分離、MUSDB 上的 SDR 以及 HT-Demucs 跨域注意力。
問題 1 的 8
Demucs 對完成的歌曲做了什麼?
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。
- Demucs 對完成的歌曲做了什麼?
- 將其分為人聲、鼓、貝斯等主幹
- 將其壓縮為較小的文件
- 翻譯歌詞
- 在不改變音調的情況下加快速度
- 是什麼讓 Hybrid Demucs 成為「混合體」?
- 它將兩首不同的歌曲混合在一起
- 它處理波形和頻譜圖域中的音頻
- 它使用英語和法語歌詞
- 一半在 CPU 上運行,一半在紙上運行
- 原始 Demucs 論文報告了 MUSDB 上分離品質的哪個指標?
- 字錯誤率 (WER)
- 平均倒數排名 (MRR)
- 訊號失真比 (SDR)
- 並交交集 (IoU)
- 哪個研究組織與原始 Demucs 專案相關?
- 艾倫人工智慧研究所
- 久泰實驗室
- 國際音樂資訊檢索協會
- Facebook 人工智慧研究 (FAIR)
- 為什麼早期的 Democs 直接在原始波形上運作?
- 避免遺失相位資訊
- 因為頻譜圖是非法的
- 故意增大文件
- 因為波形不含聲音
- 哪個資料集對於 Democs 的訓練和基準測試至關重要?
- 影像網
- MUSDB18
- 國家標準技術研究所
- 普通爬行
- HT-Demucs 論文在其波形和頻譜圖分支之間添加了什麼注意模式?
- 只注意歌詞標記
- 僅立體聲通道上的單一關注層
- 每個域內的自註意力和跨域的交叉注意力
- 沒有註意;僅最近鄰查找
- HT-Demucs 論文關於額外訓練歌曲的報導內容是什麼?
- 額外的歌曲在每個設定下都會將 SDR 降低 10 dB
- 該模型在零訓練歌曲的情況下達到了相同的結果
- 該論文僅報告了字錯誤率的變化
- 有了 800 首額外的歌曲,HT-Demucs 比在相同數據上訓練的 Hybrid Demucs 提高了 0.45 dB 的 SDR