Модель
BandIt и TIGER-DnR: битва за вычислительное распределение трехдорожечного разделения для кино и телевидения
Звук в кино и телевидении / ДнР
Звук в кино и телевидении / ДнР
КИНЕМАТОГРАФИЧЕСКИЙ ЗВУК / DnR
Кинематографическое разделение должно сохранять три широких класса источников, пока они подолгу звучат одновременно. BandIt расходует ёмкость на неравномерные спектральные полосы; TIGER делает ставку на более экономичную последовательную модель.
Оценка проецируется на эталон: s_target=<ŝ,s>s/||s||², затем вычисляется SI-SNR=10log10(||s_target||²/||ŝ-s_target||²). Усиление исключается, но смазанные транзиенты и пространственные искажения по-прежнему требуют контрольного прослушивания.
BandIt описывает информационно плотные области с помощью неравномерных полос и обменивается данными между ними. В сравнении по единому протоколу указано 10.9 dB, что ниже опубликованного чекпоинта SFC-Locoformer medium с 11.8 dB. Поэтому BandIt служит скорее архитектурной точкой сравнения, а не вариантом по умолчанию.
Для TIGER-DnR в соответствующем контексте DnR сообщается около 9.8 dB, а упор сделан на эффективное взаимодействие времени и частоты. Это число имеет смысл только вместе с названным протоколом; скорость, лицензия и качество разделения остаются отдельными осями.
DnR закрепил диалоги, музыку и эффекты как общую цель кинематографического разделения. BandIt моделирует неравномерные частотные полосы, а TIGER снижает стоимость длинных последовательностей; они отвечают на разные инженерные вопросы, а не заменяют друг друга.
Позже SFC-Locoformer сообщает 11.8 dB в той же таблице DnR v2, где у BandIt указано 10.9 dB. Публичные данные по TIGER делают акцент на эффективности и отдельных экспериментах. Без соответствующей строки он остаётся выбираемой моделью, а не выдуманной позицией в рейтинге.
h_b=Enc_b(X[F_b,:]), Ŝ=Dec({h_b}_{b=1}^B)F_bчастотные отсчёты в полосе bEnc_bкодирование внутри полосыDecмежполосная реконструкцияBandIt раскладывает комплексный спектр на неравномерные полосы, прежде чем обмениваться информацией внутри и между ними. TIGER делает ставку на более дешёвое представление последовательности. Обе модели выдают дорожки DnR, но тратят вычисления по-разному.
Числа можно ставить рядом, только если совпадают разбиение данных, частота дискретизации, определения дорожек и реализация метрики. Оставить TIGER пустым при отсутствии совпадающего протокола строже, чем позаимствовать чужую таблицу.
Статью, код и веса можно отследить через сравнение BandIt / TIGER / DnR.
Каждая строка сохраняет исходную архитектуру, метрику или определение задачи; результаты без общего протокола остаются раздельными.
| Модель | Архитектура или данные | Охват |
|---|---|---|
| SFC-Locoformer medium | 11.8 dB SI-SDR | текущий эталон качества в той же таблице DnR v2 |
| BandIt | 10.9 dB SI-SDR | базовая модель с разбиением на полосы по тому же протоколу |
| TIGER-DnR | данные об эффективности приведены отдельно | без соответствующей строки таблицы — без места в рейтинге |
В диалогах проверяйте сибилянты, вдохи и дальние реплики; в музыке — призрачные остатки речи и повреждённую перкуссию; в эффектах — непрерывность шагов, дверей и фонового пространства. Средний SI-SDR такие прослушивания не выполняет.
Готовые мастеры содержат дакинг, лимитирование, сведение каналов и обработку громкости. Монофонический протокол из статьи — воспроизводимая база, а не любой мастер. Метаданные файла и модели позволяют провести A/B-сравнение на уровне трека.
Эффекты остаются широкой корзиной, а не шагами, дождём, транспортом или аплодисментами по отдельности. Три дорожки — это ещё не понимание звука на уровне объектов.
Опубликованные оценки зависят от версии набора данных, частоты дискретизации и способа вычисления. Каждая строка рейтинга сохраняет направление метрики, протокол и источник.
Названия моделей, числа и ограничения прослеживаются к статьям, репозиториям или карточкам моделей ниже.