Μοντέλο
BandIt και TIGER-DnR: Η μάχη για την υπολογιστική κατανομή του διαχωρισμού τριών κομματιών για τον κινηματογράφο και την τηλεόραση
Ήχος ταινιών και τηλεόρασης / DnR
Ήχος ταινιών και τηλεόρασης / DnR
ΚΙΝΗΜΑΤΟΓΡΑΦΙΚΟΣ ΗΧΟΣ / DnR
Ο κινηματογραφικός διαχωρισμός πρέπει να διατηρεί τρεις ευρείες κατηγορίες πηγών ενώ αυτές συνυπάρχουν για μεγάλα αποσπάσματα. Το BandIt ξοδεύει χωρητικότητα σε μη ομοιόμορφες φασματικές ζώνες· το TIGER επιδιώκει ένα πιο αποδοτικό μοντέλο ακολουθίας.
Προβάλλουμε την εκτίμηση πάνω στην αναφορά, s_target=<ŝ,s>s/||s||², και στη συνέχεια υπολογίζουμε το SI-SNR=10log10(||s_target||²/||ŝ-s_target||²). Η ενίσχυση αφαιρείται, αλλά η θόλωση των transient και η χωρική ζημιά εξακολουθούν να απαιτούν ακουστικές δοκιμές.
Το BandIt μοντελοποιεί περιοχές πυκνές σε πληροφορία με μη ομοιόμορφες ζώνες και ανταλλάσσει πληροφορία μεταξύ τους. Η σύγκριση με κοινό πρωτόκολλο αναφέρει 10.9 dB, κάτω από το δημοσιευμένο checkpoint SFC-Locoformer medium στο 11.8 dB. Το BandIt αποτελεί έτσι αρχιτεκτονικό σημείο σύγκρισης και όχι την προεπιλογή.
Το TIGER-DnR αναφέρεται γύρω στο 9.8 dB στο αντίστοιχο πλαίσιο DnR και δίνει έμφαση στην αποδοτική αλληλεπίδραση χρόνου–συχνότητας. Ο αριθμός αυτός έχει νόημα μόνο μαζί με το κατονομασμένο πρωτόκολλό του· ταχύτητα, άδεια και ποιότητα διαχωρισμού παραμένουν ξεχωριστοί άξονες.
Το DnR καθιέρωσε διάλογο, μουσική και εφέ ως κοινό στόχο κινηματογραφικού διαχωρισμού. Το BandIt μοντελοποιεί μη ομοιόμορφες ζώνες συχνοτήτων, ενώ το TIGER μειώνει το κόστος των μακρών ακολουθιών· απαντούν σε διαφορετικά ερωτήματα μηχανικής αντί να αντικαθιστά το ένα το άλλο.
Το SFC-Locoformer αναφέρει αργότερα 11.8 dB στον ίδιο πίνακα DnR v2 όπου το BandIt αναφέρει 10.9 dB. Η δημόσια τεκμηρίωση του TIGER δίνει έμφαση στην αποδοτικότητα και σε ξεχωριστά πειράματα. Χωρίς αντίστοιχη γραμμή παραμένει ένα επιλέξιμο μοντέλο, όχι μια κατασκευασμένη θέση σε πίνακα κατάταξης.
h_b=Enc_b(X[F_b,:]), Ŝ=Dec({h_b}_{b=1}^B)F_bκάδοι συχνοτήτων στη ζώνη bEnc_bκωδικοποίηση εντός ζώνηςDecανακατασκευή μεταξύ ζωνώνΤο BandIt οργανώνει το μιγαδικό φάσμα σε μη ομοιόμορφες ζώνες πριν ανταλλάξει πληροφορία εντός και μεταξύ τους. Το TIGER δίνει έμφαση σε μια φθηνότερη αναπαράσταση ακολουθίας. Και τα δύο παράγουν stem του DnR, ξοδεύοντας όμως διαφορετικά τον υπολογιστικό χρόνο.
Οι αριθμοί μπαίνουν δίπλα-δίπλα μόνο όταν ταυτίζονται διαίρεση δεδομένων, ρυθμός δειγματοληψίας, ορισμοί stem και υλοποίηση του μέτρου. Το να μείνει το TIGER κενό όταν λείπει κοινό πρωτόκολλο είναι πιο αυστηρό από το να δανειστούμε γραμμή από άλλον πίνακα.
Η δημοσίευση, ο κώδικας και τα βάρη μπορούν να παρακολουθηθούν μέσω της σύγκρισης BandIt / TIGER / DnR.
Κάθε γραμμή κρατά τη δική της αρχιτεκτονική πηγής, μέτρο ή ορισμό εργασίας· τα αποτελέσματα χωρίς κοινό πρωτόκολλο παραμένουν ξεχωριστά.
| Μοντέλο | Αρχιτεκτονική ή τεκμηρίωση | Εμβέλεια |
|---|---|---|
| SFC-Locoformer medium | 11.8 dB SI-SDR | τρέχουσα αναφορά ποιότητας στον ίδιο πίνακα DnR v2 |
| BandIt | 10.9 dB SI-SDR | βάση διάσπασης ζωνών με κοινό πρωτόκολλο |
| TIGER-DnR | η τεκμηρίωση αποδοτικότητας εμφανίζεται ξεχωριστά | χωρίς κατάταξη δίχως αντίστοιχη γραμμή πίνακα |
Στον διάλογο ελέγχουμε σιβητικά, αναπνοές και απομακρυσμένες ατάκες· στη μουσική, φαντάσματα ομιλίας και φθαρμένα κρουστά· στα εφέ, τη συνέχεια βημάτων, πορτών και περιβάλλοντος. Η μέση SI-SDR δεν εκτελεί αυτούς τους ακουστικούς ελέγχους.
Το τελικό master παράδοσης περιέχει ducking, limiting, αναδίπλωση καναλιών και επεξεργασία έντασης. Το μονοφωνικό πρωτόκολλο μιας εργασίας είναι μια αναπαραγώγιμη βάση, όχι κάθε master. Τα μεταδεδομένα αρχείου και μοντέλου καθιστούν εφικτή τη σύγκριση A/B σε επίπεδο κομματιού.
Τα εφέ παραμένουν ένα ευρύ δοχείο και όχι βήματα, βροχή, κυκλοφορία ή χειροκρότημα. Τρία stem δεν συνιστούν κατανόηση ήχου σε επίπεδο αντικειμένου.
Οι δημοσιευμένες βαθμολογίες εξαρτώνται από την έκδοση του συνόλου δεδομένων, τον ρυθμό δειγματοληψίας και τον τρόπο υπολογισμού. Κάθε γραμμή κατάταξης κρατά την κατεύθυνση του μέτρου, το πρωτόκολλο και την πηγή.
Τα ονόματα μοντέλων, οι αριθμοί και οι περιορισμοί ανιχνεύονται στις δημοσιεύσεις, τα αποθετήρια ή τις κάρτες μοντέλων παρακάτω.