0902_ropealign vs sharedt_ropealign · training samples step 6000 & 6500

Validation-callback samples (samples/step_N), all 32 clips per step. Both runs sample the same 32 clips at a given step (src/target byte-identical) → paired comparison. Step 6000 and 6500 share 0 clips → across steps only the margin vs each step's own pass-through is comparable.

FAD: login-node CPU VGGish, single-thread BLAS (scipy sqrtm = symmetric form). KL/IS/LSD(aldm): audioldm_eval MERT, LSD offset 0, KL_FIX. Wave PSNR/LSD: per-clip waveform vs target. Video: per-clip PSNR/LPIPS vs target. n=32 → KL/IS are near-degenerate.

Summary

Green = better of the two ropealign runs at that step. Italic = pass-through reference.

steparmFAD ↓KL ↓IS ↑LSD (aldm) ↓wave PSNR ↑wave LSD ↓video PSNR ↑video LPIPS ↓
6000pass-through (src)5.740.00071.01114.7120.7810.8716.570.282
60000902_ropealign12.150.00211.00916.2120.1710.6918.250.246
6000sharedt_ropealign13.220.00221.01017.3221.299.7917.670.251
6500pass-through (src)4.630.00091.01212.9819.489.4516.640.315
65000902_ropealign7.280.00111.01113.0617.779.3317.990.288
6500sharedt_ropealign8.190.00181.01114.7118.9410.0417.690.291

Tests

Paired Wilcoxon within a step; Mann-Whitney on (gen − pass) margins across steps. Yellow = p<0.05.

comparisonmetricΔbetterp
step 6000: sharedt − rope (paired)aPSNR+1.116sharedt0.0708
step 6000: sharedt − rope (paired)aLSD-0.898sharedt0.0088
step 6000: sharedt − rope (paired)vPSNR-0.580rope5.97e-06
step 6000: sharedt − rope (paired)vLPIPS+0.004rope0.00571
step 6500: sharedt − rope (paired)aPSNR+1.171sharedt0.00934
step 6500: sharedt − rope (paired)aLSD+0.704rope0.331
step 6500: sharedt − rope (paired)vPSNR-0.294rope0.0521
step 6500: sharedt − rope (paired)vLPIPS+0.003rope0.106
0902_ropealign: 6500 − 6000 (margin vs pass, unpaired)aPSNR-1.11260000.251
0902_ropealign: 6500 − 6000 (margin vs pass, unpaired)aLSD+0.06660000.909
0902_ropealign: 6500 − 6000 (margin vs pass, unpaired)vPSNR-0.33560000.432
0902_ropealign: 6500 − 6000 (margin vs pass, unpaired)vLPIPS+0.00960000.245
sharedt_ropealign: 6500 − 6000 (margin vs pass, unpaired)aPSNR-1.05760000.984
sharedt_ropealign: 6500 − 6000 (margin vs pass, unpaired)aLSD+1.66860000.0869
sharedt_ropealign: 6500 − 6000 (margin vs pass, unpaired)vPSNR-0.04960000.624
sharedt_ropealign: 6500 − 6000 (margin vs pass, unpaired)vLPIPS+0.00760000.464
Step 6500 clips
0iiwZ2_9Vi8_000090 baby
sourceaPSNR 22.11 · vPSNR 19.65
target
0902_ropealignaPSNR 18.19 · vPSNR 14.69
sharedt_ropealignaPSNR 13.69 · vPSNR 15.83
4ZJrKmDGdA4_000140 ?
sourceaPSNR 28.91 · vPSNR 12.04
target
0902_ropealignaPSNR 29.74 · vPSNR 13.63
sharedt_ropealignaPSNR 30.01 · vPSNR 13.30
EY0X2RQh8hM_000088 lion
sourceaPSNR 17.17 · vPSNR 13.34
target
0902_ropealignaPSNR 16.27 · vPSNR 13.57
sharedt_ropealignaPSNR 15.97 · vPSNR 13.52
F38khteGwYg_000020 bagpipe
sourceaPSNR 16.93 · vPSNR 16.85
target
0902_ropealignaPSNR 13.44 · vPSNR 19.45
sharedt_ropealignaPSNR 13.05 · vPSNR 20.24
FEYqxqNoVLo_000025 ?
sourceaPSNR 19.72 · vPSNR 11.14
target
0902_ropealignaPSNR 15.80 · vPSNR 19.50
sharedt_ropealignaPSNR 18.27 · vPSNR 18.61
FUiAOhrm63E rooster
sourceaPSNR 25.75 · vPSNR 14.01
target
0902_ropealignaPSNR 22.46 · vPSNR 17.40
sharedt_ropealignaPSNR 27.44 · vPSNR 16.47
GLdmT4gat_8 water
sourceaPSNR 21.18 · vPSNR 22.50
target
0902_ropealignaPSNR 19.32 · vPSNR 24.20
sharedt_ropealignaPSNR 21.87 · vPSNR 22.10
I_s_gBzEtCs_000190 chainsaw
sourceaPSNR 19.24 · vPSNR 21.36
target
0902_ropealignaPSNR 17.05 · vPSNR 22.30
sharedt_ropealignaPSNR 17.92 · vPSNR 20.32
KYCFqr6qwf0_000027 ?
sourceaPSNR 18.48 · vPSNR 17.41
target
0902_ropealignaPSNR 16.91 · vPSNR 17.97
sharedt_ropealignaPSNR 19.21 · vPSNR 17.60
LFsNT4WXeu0_000153 fire
sourceaPSNR 23.08 · vPSNR 24.36
target
0902_ropealignaPSNR 28.05 · vPSNR 24.79
sharedt_ropealignaPSNR 31.84 · vPSNR 22.93
MVvTopUXwhQ_000030 ?
sourceaPSNR 17.07 · vPSNR 18.64
target
0902_ropealignaPSNR 14.44 · vPSNR 20.50
sharedt_ropealignaPSNR 13.62 · vPSNR 20.58
NosMXJPR5Iw_000030 ?
sourceaPSNR 17.77 · vPSNR 20.89
target
0902_ropealignaPSNR 15.77 · vPSNR 20.99
sharedt_ropealignaPSNR 22.92 · vPSNR 20.24
OS0pZDPZWc8_000020 animal
sourceaPSNR 23.01 · vPSNR 14.79
target
0902_ropealignaPSNR 20.83 · vPSNR 14.84
sharedt_ropealignaPSNR 18.82 · vPSNR 15.18
QKirC3DFYWI_000024 ?
sourceaPSNR 17.11 · vPSNR 11.68
target
0902_ropealignaPSNR 15.22 · vPSNR 14.49
sharedt_ropealignaPSNR 19.29 · vPSNR 15.09
QLErD-lUO3M_000056 ?
sourceaPSNR 18.38 · vPSNR 11.43
target
0902_ropealignaPSNR 18.90 · vPSNR 11.98
sharedt_ropealignaPSNR 18.70 · vPSNR 11.71
S9KL61CVhH0_000120 train
sourceaPSNR 18.07 · vPSNR 18.97
target
0902_ropealignaPSNR 15.81 · vPSNR 22.46
sharedt_ropealignaPSNR 18.11 · vPSNR 19.75
V3Mz7RH3u5A_000560 ?
sourceaPSNR 17.43 · vPSNR 15.06
target
0902_ropealignaPSNR 16.60 · vPSNR 15.04
sharedt_ropealignaPSNR 17.07 · vPSNR 14.70
WWLM3x5bXIM ?
sourceaPSNR 10.37 · vPSNR 9.17
target
0902_ropealignaPSNR 11.04 · vPSNR 11.65
sharedt_ropealignaPSNR 12.87 · vPSNR 11.59
XioUNz0KDdU_000098 ?
sourceaPSNR 16.90 · vPSNR 16.81
target
0902_ropealignaPSNR 15.22 · vPSNR 17.60
sharedt_ropealignaPSNR 17.94 · vPSNR 17.53
bNtC2yL_JEE_000210 powerful motor
sourceaPSNR 19.73 · vPSNR 14.39
target
0902_ropealignaPSNR 14.10 · vPSNR 14.48
sharedt_ropealignaPSNR 14.11 · vPSNR 14.10
bWoqHajtbZc chainsaw
sourceaPSNR 17.74 · vPSNR 19.08
target
0902_ropealignaPSNR 16.70 · vPSNR 19.43
sharedt_ropealignaPSNR 21.27 · vPSNR 19.23
cSQckVH0kr0_000180 vibraphone
sourceaPSNR 19.98 · vPSNR 17.33
target
0902_ropealignaPSNR 19.74 · vPSNR 17.64
sharedt_ropealignaPSNR 19.32 · vPSNR 17.55
eAwL1fHl1-Q_000352 male vocalist
sourceaPSNR 13.43 · vPSNR 15.38
target
0902_ropealignaPSNR 12.24 · vPSNR 16.28
sharedt_ropealignaPSNR 12.43 · vPSNR 16.04
ewChvwDxVvg_000027 avian calls
sourceaPSNR 24.88 · vPSNR 17.90
target
0902_ropealignaPSNR 20.87 · vPSNR 18.37
sharedt_ropealignaPSNR 21.21 · vPSNR 18.48
fgkt11wPxXU_000017 ?
sourceaPSNR 18.37 · vPSNR 17.42
target
0902_ropealignaPSNR 17.50 · vPSNR 22.87
sharedt_ropealignaPSNR 19.41 · vPSNR 22.92
lJYeyCXosjI_000020 lion
sourceaPSNR 15.66 · vPSNR 17.03
target
0902_ropealignaPSNR 15.31 · vPSNR 18.38
sharedt_ropealignaPSNR 14.59 · vPSNR 18.65
m-ftjmX6NmE_000068 rooster
sourceaPSNR 25.59 · vPSNR 18.84
target
0902_ropealignaPSNR 20.07 · vPSNR 20.45
sharedt_ropealignaPSNR 17.81 · vPSNR 20.86
oDKsZlBtyk8 ?
sourceaPSNR 24.12 · vPSNR 19.97
target
0902_ropealignaPSNR 18.13 · vPSNR 19.38
sharedt_ropealignaPSNR 22.63 · vPSNR 18.49
p2_Vaanggq0_000030 ?
sourceaPSNR 25.20 · vPSNR 12.33
target
0902_ropealignaPSNR 24.10 · vPSNR 15.41
sharedt_ropealignaPSNR 24.47 · vPSNR 14.80
sJ6xDfkUkbQ_000053 guitar
sourceaPSNR 16.46 · vPSNR 20.19
target
0902_ropealignaPSNR 14.71 · vPSNR 20.98
sharedt_ropealignaPSNR 16.00 · vPSNR 20.65
v3widAK0seQ ?
sourceaPSNR 18.19 · vPSNR 15.04
target
0902_ropealignaPSNR 17.77 · vPSNR 15.20
sharedt_ropealignaPSNR 17.87 · vPSNR 14.97
v5Q5htZKl7c_000030 saxophone
sourceaPSNR 15.38 · vPSNR 17.45
target
0902_ropealignaPSNR 16.23 · vPSNR 19.62
sharedt_ropealignaPSNR 16.24 · vPSNR 22.07
Step 6000 clips
-qzWHpYij-k_000030 acoustic guitar
sourceaPSNR 20.14 · vPSNR 19.55
target
0902_ropealignaPSNR 18.39 · vPSNR 20.56
sharedt_ropealignaPSNR 19.44 · vPSNR 20.07
28zIp-jCBXc_000017 ?
sourceaPSNR 23.89 · vPSNR 14.54
target
0902_ropealignaPSNR 25.33 · vPSNR 14.70
sharedt_ropealignaPSNR 25.39 · vPSNR 14.39
9DbWyKw_6Pg_000020 ?
sourceaPSNR 21.20 · vPSNR 10.27
target
0902_ropealignaPSNR 20.61 · vPSNR 14.42
sharedt_ropealignaPSNR 19.77 · vPSNR 13.42
9XCaoMG2Wj8 ?
sourceaPSNR 19.19 · vPSNR 13.55
target
0902_ropealignaPSNR 14.83 · vPSNR 18.52
sharedt_ropealignaPSNR 17.79 · vPSNR 17.26
AT6i_Ta3hAk_000030 ?
sourceaPSNR 24.81 · vPSNR 12.84
target
0902_ropealignaPSNR 24.72 · vPSNR 16.11
sharedt_ropealignaPSNR 25.16 · vPSNR 15.69
Aen3WXQjFTA_000027 bagpipe
sourceaPSNR 8.53 · vPSNR 11.91
target
0902_ropealignaPSNR 12.32 · vPSNR 16.01
sharedt_ropealignaPSNR 21.25 · vPSNR 14.71
BLAQ0myEFgA_000237 xylophone
sourceaPSNR 16.39 · vPSNR 21.17
target
0902_ropealignaPSNR 16.43 · vPSNR 21.38
sharedt_ropealignaPSNR 15.28 · vPSNR 21.56
C2Ai_RKUxPY_000030 mechanical tool
sourceaPSNR 16.53 · vPSNR 16.64
target
0902_ropealignaPSNR 14.83 · vPSNR 18.51
sharedt_ropealignaPSNR 15.12 · vPSNR 17.48
CgTTN3yhTDg_000012 canine
sourceaPSNR 27.92 · vPSNR 16.31
target
0902_ropealignaPSNR 25.95 · vPSNR 18.53
sharedt_ropealignaPSNR 26.27 · vPSNR 17.26
E6_602iIrgY_000561 ?
sourceaPSNR 25.42 · vPSNR 23.39
target
0902_ropealignaPSNR 22.19 · vPSNR 23.71
sharedt_ropealignaPSNR 30.92 · vPSNR 23.37
GhXWfI9CHYI_000040 chickens
sourceaPSNR 19.80 · vPSNR 12.62
target
0902_ropealignaPSNR 20.61 · vPSNR 13.01
sharedt_ropealignaPSNR 17.98 · vPSNR 12.83
NHfI09gyLYk_000034 birds
sourceaPSNR 14.68 · vPSNR 19.96
target
0902_ropealignaPSNR 21.78 · vPSNR 21.45
sharedt_ropealignaPSNR 22.47 · vPSNR 18.62
PqkzA4iD4Vg_000090 ?
sourceaPSNR 18.62 · vPSNR 14.70
target
0902_ropealignaPSNR 16.58 · vPSNR 16.63
sharedt_ropealignaPSNR 19.02 · vPSNR 15.98
QBhXMXM5tkA birds
sourceaPSNR 20.98 · vPSNR 19.86
target
0902_ropealignaPSNR 17.62 · vPSNR 21.90
sharedt_ropealignaPSNR 16.90 · vPSNR 21.11
RW0ZkNlkxQY_000270 musicians
sourceaPSNR 16.85 · vPSNR 18.06
target
0902_ropealignaPSNR 25.59 · vPSNR 18.39
sharedt_ropealignaPSNR 26.99 · vPSNR 18.41
Rj4gBVEl6r4_000030 flowing water
sourceaPSNR 21.84 · vPSNR 13.63
target
0902_ropealignaPSNR 20.26 · vPSNR 17.36
sharedt_ropealignaPSNR 20.91 · vPSNR 16.47
WslALEIAO_U_000162 ?
sourceaPSNR 33.53 · vPSNR 15.92
target
0902_ropealignaPSNR 31.82 · vPSNR 15.50
sharedt_ropealignaPSNR 32.24 · vPSNR 15.49
XKi1sE86-eA_000030 rooster
sourceaPSNR 23.20 · vPSNR 15.68
target
0902_ropealignaPSNR 19.87 · vPSNR 18.42
sharedt_ropealignaPSNR 19.64 · vPSNR 18.49
X_f38Zx6D5s_000304 ?
sourceaPSNR 19.62 · vPSNR 19.93
target
0902_ropealignaPSNR 15.48 · vPSNR 20.76
sharedt_ropealignaPSNR 17.54 · vPSNR 20.42
_Lhxl-DjlxA_000027 harp
sourceaPSNR 38.45 · vPSNR 13.07
target
0902_ropealignaPSNR 34.37 · vPSNR 18.44
sharedt_ropealignaPSNR 39.03 · vPSNR 18.31
b9Rf43M5K9k ?
sourceaPSNR 14.59 · vPSNR 23.20
target
0902_ropealignaPSNR 12.26 · vPSNR 24.04
sharedt_ropealignaPSNR 11.77 · vPSNR 23.15
eVxRC1m9C0E_000032 acoustic guitar
sourceaPSNR 15.26 · vPSNR 17.71
target
0902_ropealignaPSNR 16.89 · vPSNR 19.80
sharedt_ropealignaPSNR 16.38 · vPSNR 17.88
f8VyGuZjmpE_000035 ?
sourceaPSNR 19.32 · vPSNR 19.50
target
0902_ropealignaPSNR 25.45 · vPSNR 19.39
sharedt_ropealignaPSNR 24.70 · vPSNR 21.31
hlo623Qp8k4_000000 chicken
sourceaPSNR 22.73 · vPSNR 17.87
target
0902_ropealignaPSNR 22.22 · vPSNR 18.68
sharedt_ropealignaPSNR 21.63 · vPSNR 18.59
hnJDnbFHpAU birds
sourceaPSNR 20.19 · vPSNR 12.60
target
0902_ropealignaPSNR 19.45 · vPSNR 14.64
sharedt_ropealignaPSNR 19.60 · vPSNR 13.94
nRwET7C-5Mk train
sourceaPSNR 15.68 · vPSNR 17.66
target
0902_ropealignaPSNR 13.57 · vPSNR 17.64
sharedt_ropealignaPSNR 15.61 · vPSNR 17.31
oRpRirUInmE birds
sourceaPSNR 18.69 · vPSNR 18.23
target
0902_ropealignaPSNR 18.50 · vPSNR 18.70
sharedt_ropealignaPSNR 18.74 · vPSNR 18.47
pva3MaypxNI_000200 individual
sourceaPSNR 34.51 · vPSNR 20.67
target
0902_ropealignaPSNR 28.94 · vPSNR 20.82
sharedt_ropealignaPSNR 34.01 · vPSNR 20.01
py-yoGmG5jo_000030 ?
sourceaPSNR 17.71 · vPSNR 14.66
target
0902_ropealignaPSNR 18.75 · vPSNR 14.89
sharedt_ropealignaPSNR 16.18 · vPSNR 14.44
vMSwVf_69Hc_000200 ?
sourceaPSNR 25.12 · vPSNR 12.52
target
0902_ropealignaPSNR 21.69 · vPSNR 14.11
sharedt_ropealignaPSNR 24.87 · vPSNR 13.83
wzzRoNCyEns_000230 ?
sourceaPSNR 15.80 · vPSNR 16.73
target
0902_ropealignaPSNR 14.63 · vPSNR 19.21
sharedt_ropealignaPSNR 16.82 · vPSNR 18.56
zsYQnOVpz2o_000060 ?
sourceaPSNR 13.61 · vPSNR 15.32
target
0902_ropealignaPSNR 13.56 · vPSNR 17.85
sharedt_ropealignaPSNR 11.81 · vPSNR 16.68