BandIt og TIGER-DnR: Kampen om datatildeling av tre-spors separasjon for film og TV

FILMISK LYD / DnR

Filmatisk separasjon må bevare tre brede kildeklasser mens de klinger sammen gjennom lange passasjer. BandIt legger kapasiteten i ikke-uniforme spektralbånd; TIGER satser på en mer effektiv sekvensmodell.

Skalainvariant evaluering

Projiser estimatet på referansen, s_target=<ŝ,s>s/||s||², og beregn deretter SI-SNR=10log10(||s_target||²/||ŝ-s_target||²). Gain er regnet bort, men transientutvisking og romlig skade krever fortsatt lyttetester.

Derfor er BandIt fortsatt tilgjengelig

BandIt modellerer informasjonstette områder med ikke-uniforme bånd og utveksler informasjon på tvers av dem. Sammenligningen under samme protokoll rapporterer 10.9 dB, under det utgitte SFC-Locoformer medium-checkpointet på 11.8 dB. BandIt er dermed en arkitektursammenligning snarere enn standardvalget.

Slik endrer TIGER kostnadsprofilen

TIGER-DnR er rapportert rundt 9.8 dB i den tilsvarende DnR-sammenhengen og vektlegger effektivt samspill mellom tid og frekvens. Tallet er bare nyttig sammen med sin navngitte protokoll; hastighet, lisens og separasjonskvalitet forblir hver sin akse.

Fra faste kilder til betinget separasjon

DnR etablerte dialog, musikk og effekter som et felles mål for filmatisk separasjon. BandIt modellerer ikke-uniforme frekvensbånd, mens TIGER reduserer kostnaden ved lange sekvenser; de svarer på ulike ingeniørspørsmål i stedet for å erstatte hverandre.

SFC-Locoformer rapporterer senere 11.8 dB i samme DnR v2-tabell der BandIt rapporterer 10.9 dB. TIGERs offentlige belegg legger vekt på effektivitet og adskilte eksperimenter. Uten en samsvarende rad forblir den en valgbar modell, ikke en fabrikkert plassering på en resultatliste.

**TIGERs offisielle nettverksdiagram**Figuren viser TIGERs båndtrekk, frekvens-temporale modelleringsmoduler og maskeutdata; den presenteres ikke som et BandIt-diagram.Offisiell kilde: assets/TIGER.png

Regnekraftregnskapet for bånddeling og sekvensmodellering

h_b=Enc_b(X[F_b,:]), Ŝ=Dec({h_b}_{b=1}^B)

F_bfrekvensbinner i bånd b
Enc_bkoding innen båndet
Decrekonstruksjon på tvers av bånd

BandIt organiserer det komplekse spekteret i ikke-uniforme bånd før informasjon utveksles innenfor og på tvers av båndene. TIGER vektlegger en rimeligere sekvensrepresentasjon. Begge leverer DnR-stems, men bruker regnekraften ulikt.

Tall hører bare sammen når splitt, samplingsfrekvens, stem-definisjoner og metrikkimplementasjon samsvarer. Å la TIGER stå blankt når protokollen mangler, er mer stringent enn å låne en rad fra en annen tabell.

Forskningsartikler, kode og vekter kan følges via BandIt / TIGER / DnR-sammenligningen.

**TIGERs offisielle DnR-resultater**Resultater for musikk, tale og lydeffekter kommer fra TIGERs egen tabell, sammen med parameter- og MAC-tall.Offisiell kilde: assets/dnr.png

Sammenlignbare resultater under én stem-definisjon

Hver rad beholder sin kildearkitektur, metrikk eller oppgavedefinisjon; resultater uten felles protokoll holdes adskilt.

Modell	Arkitektur eller dokumentasjon	Omfang
SFC-Locoformer medium	11.8 dB SI-SDR	gjeldende kvalitetsreferanse i samme DnR v2-tabell
BandIt	10.9 dB SI-SDR	bånddelt baseline under samme protokoll
TIGER-DnR	effektivitetsbelegg vist separat	ingen rangering uten samsvarende tabellrad

**TIGERs offisielle effektivitetssammenligning**Trenings- og inferenstid samt GPU/CPU-bruk kommer fra prosjektets originale tabell og erstatter ikke kvalitetssammenligninger under samme protokoll.Offisiell kilde: assets/efficiency.png

Lytting på stems og miksekonsistens

På dialog: kontroller sibilanser, pust og fjerne replikker; på musikk: talegjengangere og skadet perkusjon; på effekter: kontinuiteten i fottrinn, dører og ambience. Gjennomsnittlig SI-SDR utfører ikke disse lyttekontrollene.

Leveringsmastere inneholder ducking, limiting, kanal-fold-down og loudness-behandling. En forskningsartikkels monoprotokoll er en reproduserbar baseline, ikke enhver master. Fil- og modellmetadata gjør A/B-sammenligning på spornivå mulig.

Grensene i datasettets stem-definisjon

Effekter forblir en vid beholder snarere enn fottrinn, regn, trafikk eller applaus. Tre stems er ikke lydforståelse på objektnivå.

Publiserte resultater avhenger av datasettversjon, samplingsfrekvens og beregningsoppsett. Hver rad på resultatlisten beholder metrikkretning, protokoll og kilde.

Artikler og offentlige filer for BandIt

Modellnavn, tall og begrensninger kan spores til artiklene, kodelagrene eller modellkortene nedenfor.