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。

相關引導路徑殘差向量量化
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。

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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