Model
BandIt i TIGER-DnR: Bitwa o obliczenie przydziału separacji trzech ścieżek dla filmu i telewizji
Dźwięk filmowy i telewizyjny / DnR
Dźwięk filmowy i telewizyjny / DnR
AUDIO KINOWE / DnR
Separacja kinowa musi zachować trzy szerokie klasy źródeł, gdy współistnieją one przez długie fragmenty. BandIt przeznacza pojemność na nierównomierne pasma spektralne; TIGER dąży do wydajniejszego modelu sekwencyjnego.
Estymatę rzutuje się na referencję, s_target=<ŝ,s>s/||s||², a następnie oblicza SI-SNR=10log10(||s_target||²/||ŝ-s_target||²). Wzmocnienie znika z równania, lecz rozmycie transjentów i uszkodzenia przestrzenne nadal wymagają testów odsłuchowych.
BandIt modeluje obszary o dużej gęstości informacji za pomocą nierównomiernych pasm i wymienia informacje między nimi. Porównanie w tym samym protokole raportuje 10.9 dB, poniżej opublikowanego checkpointu SFC-Locoformer medium z wynikiem 11.8 dB. BandIt pełni zatem rolę odniesienia architektonicznego, a nie ustawienia domyślnego.
TIGER-DnR jest raportowany na poziomie około 9.8 dB w odpowiadającym mu kontekście DnR i stawia na wydajną interakcję czas–częstotliwość. Ta liczba ma znaczenie tylko w ramach wskazanego protokołu; szybkość, licencja i jakość separacji pozostają odrębnymi osiami.
DnR ustanowił dialog, muzykę i efekty wspólnym celem separacji kinowej. BandIt modeluje nierównomierne pasma częstotliwości, a TIGER obniża koszt długich sekwencji; odpowiadają na różne pytania inżynierskie, zamiast się wzajemnie zastępować.
SFC-Locoformer raportuje później 11.8 dB w tej samej tabeli DnR v2, w której BandIt osiąga 10.9 dB. Publiczne dowody dla TIGER podkreślają wydajność i odrębne eksperymenty. Bez pasującego wiersza pozostaje on modelem do wyboru, a nie pozycją w rankingu.
h_b=Enc_b(X[F_b,:]), Ŝ=Dec({h_b}_{b=1}^B)F_bprążki częstotliwości w paśmie bEnc_bkodowanie wewnątrz pasmaDecrekonstrukcja między pasmamiBandIt porządkuje widmo zespolone w nierównomierne pasma, zanim wymieni informacje wewnątrz nich i między nimi. TIGER stawia na tańszą reprezentację sekwencji. Oba generują ślady DnR, lecz inaczej rozkładają koszt obliczeniowy.
Liczby można zestawiać tylko wtedy, gdy zgadzają się podział danych, częstotliwość próbkowania, definicje śladów i implementacja metryki. Pozostawienie pola TIGER pustym przy braku pasującego protokołu jest bardziej rygorystyczne niż pożyczanie wiersza z innej tabeli.
Artykuł, kod i wagi można prześledzić w porównaniu BandIt / TIGER / DnR.
Każdy wiersz zachowuje własną architekturę źródłową, metrykę lub definicję zadania; wyniki bez wspólnego protokołu pozostają rozdzielne.
| Model | Architektura lub dowody | Zakres |
|---|---|---|
| SFC-Locoformer medium | 11.8 dB SI-SDR | aktualne odniesienie jakości w tej samej tabeli DnR v2 |
| BandIt | 10.9 dB SI-SDR | punkt odniesienia podziału pasm w tym samym protokole |
| TIGER-DnR | dowody wydajności prezentowane osobno | bez miejsca w rankingu przy braku pasującego wiersza |
W dialogach kontroluj sybilanty, oddechy i dalekie kwestie; w muzyce duchy mowy i uszkodzoną perkusję; w efektach ciągłość kroków, drzwi i otoczenia. Średnie SI-SDR nie zastąpi takich odsłuchów.
Mastery dystrybucyjne zawierają ducking, limitowanie, składanie kanałów i przetwarzanie głośności. Protokół mono z publikacji to powtarzalny punkt odniesienia, a nie każdy master. Metadane plików i modeli umożliwiają porównania A/B na poziomie ścieżki.
Efekty pozostają szerokim pojemnikiem, a nie krokami, deszczem, ruchem ulicznym czy brawami. Trzy ślady to nie rozumienie dźwięku na poziomie obiektów.
Opublikowane wyniki zależą od wersji zbioru danych, częstotliwości próbkowania i sposobu obliczeń. Każdy wiersz rankingu zachowuje kierunek metryki, protokół i źródło.
Nazwy modeli, liczby i ograniczenia prowadzą do publikacji, repozytoriów lub kart modeli poniżej.