引導式測驗 · 中等 等級

使用變形金剛測驗進行音樂標記

了解基於 Transformer 的音樂標籤、多標籤輸出、音訊預訓練、基準指標和對比音訊文字模型。

問題 1 的 8

為什麼音樂標籤被視為多標籤問題?

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。

  1. 為什麼音樂標籤被視為多標籤問題?
    • 因為一條軌道可以同時攜帶多個標籤
    • 因為每首歌都有一個正確的標籤
    • 因為標籤總是數字
    • 因為每個藝術家只存在一種流派
  2. 在 Audio Spectrogram Transformer 論文中,哪種音訊表示被切割成區塊?
    • A list of MIDI note names
    • 對數梅爾譜圖
    • A sequence of album-cover pixels
    • A transcription of the song’s lyrics
  3. 為什麼音樂標籤模型對每個標籤使用 sigmoid 輸出而不是一個 softmax?
    • Sigmoid 計算速度更快
    • Softmax 無法在音訊上運行
    • 因為標籤可以同時出現並且不互相排斥
    • 減少標籤數量
  4. 自監督預訓練對於 MERT 等模型有何作用?
    • 它手動標記歌曲
    • 它從曲目中刪除人聲
    • 它只適用於古典音樂
    • 在微調之前,它會從未標記的剪輯中學習強大的音訊表示
  5. 哪個資料集通常用於微調和基準音樂標記器?
    • 麥格納標籤音樂
    • 國家標準技術研究所
    • 影像網
    • 小隊
  6. CLAP 風格的模型如何實現零樣本音樂標記?
    • 透過記住每首歌
    • 透過在共享嵌入空間中對齊音訊和文字描述
    • 透過將音樂轉換為圖像
    • 透過為每個可能的標籤要求標籤
  7. Which metric can evaluate a music tagger’s ability to rank relevant tags highly?
    • 字錯誤率
    • Peak signal-to-noise ratio
    • Mean average precision
    • BLEU 分數
  8. What does the musicnn repository provide?
    • A text-only sentiment classifier
    • A digital audio workstation
    • A collection of manually composed MIDI scores
    • Pretrained convolutional neural networks for music audio tagging