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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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