ترجمه فارسی مقاله اولین چالش های Cadenza: استفاده از مسابقات یادگیری ماشینی برای بهبود موسیقی برای شنوندگان مبتلا به کم شنوایی
عنوان مقاله به انگلیسی
The first Cadenza challenges: using machine learning competitions to improve music for listeners with a hearing loss
عنوان مقاله به فارسی
اولین چالش های Cadenza: استفاده از مسابقات یادگیری ماشینی برای بهبود موسیقی برای شنوندگان مبتلا به کم شنوایی
نویسندگان
Gerardo Roa Dabike, Michael A. Akeroyd, Scott Bannister, Jon P. Barker, Trevor J. Cox, Bruno Fazenda, Jennifer Firth, Simone Graetzer, Alinka Greasley, Rebecca R. Vos, William M. Whitmer
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
It is well established that listening to music is an issue for those with hearing loss, and hearing aids are not a universal solution. How can machine learning be used to address this? This paper details the first application of the open challenge methodology to use machine learning to improve audio quality of music for those with hearing loss. The first challenge was a stand-alone competition (CAD1) and had 9 entrants. The second was an 2024 ICASSP grand challenge (ICASSP24) and attracted 17 entrants. The challenge tasks concerned demixing and remixing pop/rock music to allow a personalised rebalancing of the instruments in the mix, along with amplification to correct for raised hearing thresholds. The software baselines provided for entrants to build upon used two state-of-the-art demix algorithms: Hybrid Demucs and Open-Unmix. Evaluation of systems was done using the objective metric HAAQI, the Hearing-Aid Audio Quality Index. No entrants improved on the best baseline in CAD1 because there was insufficient room for improvement. Consequently, for ICASSP24 the scenario was made more difficult by using loudspeaker reproduction and specified gains to be applied before remixing. This also made the scenario more useful for listening through hearing aids. 9 entrants scored better than the the best ICASSP24 baseline. Most entrants used a refined version of Hybrid Demucs and NAL-R amplification. The highest scoring system combined the outputs of several demixing algorithms in an ensemble approach. These challenges are now open benchmarks for future research with the software and data being freely available.
چکیده به فارسی (ترجمه ماشینی)
به خوبی مشخص شده است که گوش دادن به موسیقی برای افراد مبتلا به کم شنوایی مسئله ای است و سمعک ها یک راه حل جهانی نیستند.چگونه می توان از یادگیری ماشین برای پرداختن به این موضوع استفاده کرد؟در این مقاله اولین کاربرد روش Open Challenge برای استفاده از یادگیری ماشین برای بهبود کیفیت صوتی موسیقی برای افراد مبتلا به کم شنوایی است.اولین چالش یک رقابت مستقل (CAD1) بود و 9 ورودی داشت.دوم یک چالش بزرگ 2024 ICASSP (ICASSP24) بود و 17 ورودی را به خود جلب کرد.وظایف چالش مربوط به demixing و ریمیکس کردن موسیقی پاپ/راک برای اجازه دادن به تعادل شخصی سازهای موجود در ترکیب ، همراه با تقویت برای اصلاح آستانه های شنوایی افزایش یافته است.خطوط نرم افزاری برای ورود به دو الگوریتم پیشرفته DEMIX استفاده شده است: Demucs Hybrid و Open-Unmix.ارزیابی سیستم ها با استفاده از متریک هدف HAAQI ، شاخص کیفیت صوتی شنوایی انجام شد.هیچ ورودی در بهترین پایه در CAD1 بهبود نیافته است زیرا فضای کافی برای بهبود وجود ندارد.در نتیجه ، برای ICASSP24 سناریو با استفاده از تولید مثل بلندگو و دستاوردهای مشخص شده برای استفاده قبل از ریمیکس ، دشوارتر شد.این همچنین باعث شده سناریو برای گوش دادن از طریق سمعک مفیدتر باشد.9 شرکت کننده بهتر از بهترین پایه ICASSP24 به ثمر رساندند.بیشتر متقاضیان از یک نسخه تصفیه شده از demucs هیبریدی و تقویت NAL R-Rification استفاده می کردند.بالاترین سیستم امتیاز دهی خروجی چندین الگوریتم demixing را در یک رویکرد گروهی ترکیب کرد.این چالش ها اکنون معیارهای باز برای تحقیقات آینده با نرم افزار و داده ها آزادانه است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
