Модель
BandIt і TIGER-DnR: битва за обчислювальне розподілення трьох доріжок для кіно та телебачення
Звук кіно і телебачення / ДнР
Звук кіно і телебачення / ДнР
© 2026 TelkNet. Всі права захищені.
КІНЕМАТОГРАФІЧНЕ АУДІО / DnR
Кінематографічне сепарування має зберігати три широкі класи джерел, доки вони співіснують у довгих фрагментах. BandIt спрямовує потужність на нерівномірні спектральні смуги; TIGER прагне ефективнішої моделі послідовностей.
Спроєктуйте оцінку на еталон, s_target=<ŝ,s>s/||s||², а тоді обчисліть SI-SNR=10log10(||s_target||²/||ŝ-s_target||²). Посилення усувається, але розмиття перехідних процесів і просторові пошкодження й далі вимагають перевірок на слух.
BandIt моделює інформаційно насичені ділянки за допомогою нерівномірних смуг і обмінюється даними між ними. Порівняння за тим самим протоколом показує 10.9 dB — нижче за випущений чекпойнт SFC-Locoformer medium із 11.8 dB. Тому BandIt слугує архітектурним орієнтиром, а не типовим вибором.
Для TIGER-DnR повідомляють близько 9.8 dB у відповідному контексті DnR, і модель робить наголос на ефективній часово-частотній взаємодії. Це число корисне лише разом із названим протоколом; швидкість, ліцензія та якість сепарування лишаються окремими осями.
DnR закріпив діалоги, музику та ефекти як спільну ціль кінематографічного сепарування. BandIt моделює нерівномірні частотні смуги, а TIGER зменшує вартість довгих послідовностей; вони відповідають на різні інженерні питання, а не замінюють одне одного.
Пізніше SFC-Locoformer повідомляє 11.8 dB у тій самій таблиці DnR v2, де BandIt показує 10.9 dB. Публічні докази TIGER стосуються ефективності та окремих експериментів. Без відповідного рядка він лишається моделлю, яку можна обрати, а не вигаданою позицією в рейтингу.
h_b=Enc_b(X[F_b,:]), Ŝ=Dec({h_b}_{b=1}^B)F_bчастотні біни смуги bEnc_bкодування всередині смугиDecміжсмугова реконструкціяBandIt організовує комплексний спектр у нерівномірні смуги, перш ніж обмінюватися інформацією всередині них і між ними. TIGER робить ставку на дешевше представлення послідовності. Обидва видають стеми DnR, але витрачають обчислення по-різному.
Числа можна ставити поруч лише тоді, коли збігаються спліт, частота дискретизації, визначення стемів і реалізація метрики. Лишити TIGER порожнім за відсутності відповідного протоколу ретельніше, ніж запозичувати чужу таблицю.
Статтю, код і ваги можна простежити через порівняння BandIt / TIGER / DnR.
Кожен рядок зберігає власну архітектуру джерела, метрику чи визначення завдання; результати без спільного протоколу лишаються окремими.
| Модель | Архітектура або докази | Охоплення |
|---|---|---|
| SFC-Locoformer medium | 11.8 dB SI-SDR | поточний орієнтир якості в тій самій таблиці DnR v2 |
| BandIt | 10.9 dB SI-SDR | базова лінія розбиття на смуги за тим самим протоколом |
| TIGER-DnR | докази ефективності подано окремо | без відповідного рядка таблиці — без рангу |
У діалогах перевіряйте свистячі приголосні, подихи та віддалені репліки; у музиці — привиди мовлення та пошкоджену перкусію; в ефектах — неперервність кроків, дверей і фону. Середній SI-SDR цих перевірок на слух не виконує.
Фінальні мастери містять дакінг, лімітування, зведення каналів і обробку гучності. Монопротокол статті — відтворювана базова лінія, а не будь-який мастер. Метадані файлів і моделей уможливлюють порівняння A/B на рівні доріжок.
Ефекти лишаються широким контейнером, а не кроками, дощем, трафіком чи оплесками. Три стеми — це не розуміння звуку на рівні об'єктів.
Опубліковані бали залежать від версії набору даних, частоти дискретизації та обчислень. Кожен рядок рейтингу зберігає напрямок метрики, протокол і джерело.
Назви моделей, числа та обмеження простежуються до статей, репозиторіїв або карток моделей нижче.