اختبار مرتبط بالدليل · متوسط المستوى
مسابقة التعرف على العمل
تعرف على كيفية استخدام نماذج التعرف على حركة الفيديو للأدلة الزمنية وتمثيلات الحركة والتلافيف الزمانية المكانية.
سؤال 1 من 8
ما الذي يميز التعرف على الأحداث بشكل أساسي عن تصنيف الصور العادي؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما الذي يميز التعرف على الأحداث بشكل أساسي عن تصنيف الصور العادي؟
- يتعلق الأمر بكيفية تغير وحدات البكسل عبر الزمن، وليس مجرد إطار واحد
- يستخدم صورًا أكبر
- يعمل فقط على الفيديو بالأبيض والأسود
- لا يتطلب أي بيانات التدريب
- في شبكة التعرف على الإجراءات الكلاسيكية ذات الدفقين، ما الذي يعالجه الدفق الثاني عادةً؟
- أشكال الموجات الصوتية
- التدفق البصري يمثل الحركة
- التسميات التوضيحية النصية
- إحداثيات نظام تحديد المواقع
- ما الذي يضيفه الإلتواء ثلاثي الأبعاد مقارنةً بالإلتواء القياسي ثنائي الأبعاد؟
- قنوات الألوان
- دقة الصورة أعلى
- محور زمني (زمني) بحيث تمتد المرشحات إلى إطارات متعددة
- حجم دفعة أكبر
- ما هي خدعة "التضخم" التي يستخدمها نموذج I3D؟
- زيادة سطوع الفيديو
- إضافة المزيد من الطبقات بشكل عشوائي
- ضغط ملف الفيديو
- توسيع أوزان شبكة الصور ثنائية الأبعاد إلى ثلاثية الأبعاد عن طريق تكرارها عبر الزمن
- لماذا تعتبر مجموعة بيانات شيء ما مميزة للتعرف على الإجراء؟
- إنه يجبر النماذج على فهم الاتجاه الزمني بدلاً من الاعتماد على سياق المشهد
- أنه يحتوي على أشرطة الفيديو الحيوانية فقط
- ليس لديها تسميات
- وهي مصنوعة من صور واحدة
- ما هي التقنية التي تساعد نماذج التعرف على الحركة على التعلم من الفيديو غير المسمى؟
- وضع العلامات اليدوية على كل إطار على حدة
- نمذجة الفيديو المقنعة الخاضعة للإشراف الذاتي
- حذف جميع بيانات الحركة
- باستخدام الصوت فقط
- How many action-template classes did the initial Something-Something dataset paper describe?
- 17 classes
- 1,740 classes
- 174 classes
- 17,400 classes
- What pretraining strategy does VideoMAE use?
- Training only on single labeled frames
- Replacing video with a text transcript
- Predicting optical flow without reconstructing masked content
- Masking a high proportion of video tokens and reconstructing them from visible tokens