Modelvalg
BandIt og TIGER-DnR: Kampen om computerallokering af tre-spors adskillelse til film og tv
Film og tv-lyd / DnR
Film og tv-lyd / DnR
FILMLYD / DnR
Filmseparation skal bevare tre brede kildetyper, mens de eksisterer side om side i lange passager. BandIt bruger kapacitet på ikke-uniforme spektrale bånd; TIGER går efter en mere effektiv sekvensmodel.
Estimatet projiceres på referencen, s_target=<ŝ,s>s/||s||², hvorefter SI-SNR=10log10(||s_target||²/||ŝ-s_target||²) beregnes. Forstærkning fjernes, men udtværede transienter og rumlige skader kræver stadig lytteprøver.
BandIt modellerer informationstætte områder med ikke-uniforme bånd og kommunikerer på tværs af dem. Sammenligningen under samme protokol viser 10.9 dB, under det frigivne SFC-Locoformer medium-checkpoint på 11.8 dB. BandIt er derfor en arkitektonisk reference snarere end standardvalget.
TIGER-DnR rapporteres omkring 9.8 dB i den tilsvarende DnR-kontekst og lægger vægt på effektiv tids-frekvens-interaktion. Tallet er kun brugbart sammen med sin navngivne protokol; hastighed, licens og separationskvalitet forbliver separate akser.
DnR etablerede dialog, musik og effekter som et fælles mål for filmseparation. BandIt modellerer ikke-uniforme frekvensbånd, mens TIGER reducerer omkostningerne ved lange sekvenser; de besvarer forskellige ingeniørspørgsmål frem for at erstatte hinanden.
SFC-Locoformer rapporterer senere 11.8 dB i samme DnR v2-tabel, hvor BandIt rapporterer 10.9 dB. TIGERs offentlige dokumentation lægger vægt på effektivitet og separate eksperimenter. Uden en matchende række forbliver den en valgbar model, ikke en fabrikeret plads på resultatlisten.
h_b=Enc_b(X[F_b,:]), Ŝ=Dec({h_b}_{b=1}^B)F_bfrekvensbins i bånd bEnc_benkodning inden for båndetDecrekonstruktion på tværs af båndBandIt organiserer det komplekse spektrum i ikke-uniforme bånd, før information udveksles inden for og på tværs af båndene. TIGER lægger vægt på en billigere sekvensrepræsentation. Begge udsender DnR-stemmer, mens de bruger regnekraft forskelligt.
Tal hører kun sammen, når split, samplerate, stem-definitioner og metrikimplementering matcher. At lade TIGER stå blankt uden en matchende protokol er mere stringent end at låne en anden tabel.
Papir, kode og vægte kan følges via BandIt / TIGER / DnR-sammenligningen.
Hver række beholder sin kildearkitektur, metrik eller opgavedefinition; resultater uden en fælles protokol forbliver adskilt.
| Model | Arkitektur eller dokumentation | Omfang |
|---|---|---|
| SFC-Locoformer medium | 11.8 dB SI-SDR | aktuel kvalitetsreference i samme DnR v2-tabel |
| BandIt | 10.9 dB SI-SDR | båndsplit-baseline under samme protokol |
| TIGER-DnR | effektivitetsdokumentation vist separat | ingen placering uden en matchende tabelrække |
Ved dialog høres sibilanter, åndedrag og fjerne replikker efter; ved musik talespøgelser og beskadiget slagtøj; ved effekter kontinuiteten i fodtrin, døre og atmosfære. Gennemsnitlig SI-SDR udfører ikke disse lytteprøver.
Færdige mastere indeholder ducking, limiting, kanal-fold-down og loudness-behandling. Et papers monoprotokol er en reproducerbar baseline, ikke enhver master. Fil- og modelmetadata gør A/B-sammenligning på sporniveau muligt.
Effekter forbliver en bred beholder snarere end fodtrin, regn, trafik eller bifald. Tre stemmer er ikke lydforståelse på objektniveau.
Publicerede resultater afhænger af datasætversion, samplerate og beregning. Hver række på resultatlisten beholder metrikretning, protokol og kilde.
Modelnavne, tal og begrænsninger kan spores til papirerne, repositorierne eller modelkortene nedenfor.