引導式測驗 · 硬 等級
殘差向量量化測驗
测试残差矢量量化,包括迭代错误编码、紧凑码本、承诺损失和比特率质量控制。
問題 1 的 8
RVQ 中每個連續的碼本量化什麼?
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。
- RVQ 中每個連續的碼本量化什麼?
- 前幾個階段留下的殘差
- 再次從頭開始輸入原始內容
- 不同的音訊通道
- 解碼器的輸出
- 為什麼要使用 RVQ 而不是單一大碼本?
- 它避免了任何培訓的需要
- 它將巨大的有效密碼本分解為較小的密碼本,從而節省記憶體和計算
- 它完全消除了編碼器
- 它僅適用於文字數據
- RVQ碼最終的重構是如何形成的?
- 僅採用最後一個碼本的向量
- 透過對輸入與雜訊進行平均
- 透過對所有階段所選擇的向量求和
- 透過將所有碼本條目相乘
- M 個階段,每個階段有 K 個條目,RVQ 代表多少種有效代碼組合?
- M 乘 K
- M加K
- K 除以 M
- K 的 M 次方
- 訓練 RVQ 碼本時「承諾損失」的典型目的是什麼?
- 保持編碼器輸出接近其選擇的碼本條目
- 提高音訊取樣率
- 刪除未使用的音訊幀
- 將程式碼轉換回文字
- RVQ 如何讓神經編解碼器在推理時改變其位元率?
- 僅透過切換到不同的取樣率
- 透過使用更多或更少的量化器級
- 透過每次重新訓練整個模型
- 透過壓縮解碼器權重
- In RVQ training, what does commitment loss encourage?
- Each codebook to contain a different number of entries
- The decoder to output longer audio
- The encoder output to stay close to the selected codebook vector
- The residual to increase at every quantization stage
- How are codebook vectors commonly updated in the guide’s RVQ description?
- By sorting the codebook alphabetically
- By replacing the codebook with a recurrent network
- By adding the residual directly to every code index
- With exponential moving averages of encoder assignments