اختبار تقدير عمق انتشار القطيفة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو النموذج المُدرب مسبقًا الذي تعتمد عليه Marigold؟
   • Stable Diffusion
   • GPT-4
   • YOLov8
   • ريسنيت-50
2. كيف تضع ماريجولد إطارًا لمهمة تقدير العمق؟
   • باعتبارها مشكلة التصنيف
   • كتوليد مشروط لخريطة العمق
   • كتعلم معزز
   • باعتبارها مشكلة التجمع
3. ما الذي كان مفاجئًا بشأن بيانات تدريب ماريجولد؟
   • لقد استخدمت مليارات عمليات المسح العميق الحقيقي
   • لم تكن بحاجة إلى تدريب على الإطلاق
   • وقد تم ضبطه بشكل أساسي على مجموعات البيانات الاصطناعية ولكن تم تعميمه على الصور الحقيقية
   • انها تستخدم البيانات الصوتية فقط
4. لماذا يكون Marigold عادةً أبطأ من نماذج عمق التغذية الأمامية؟
   • يعمل على وحدة المعالجة المركزية فقط
   • يقوم بتنزيل البيانات من الإنترنت في كل مرة
   • إنه يعيد التدريب على كل صورة
   • ويستخدم حلقة أخذ العينات التكرارية لتقليل الضوضاء
5. في أي مساحة تقوم القطيفة بعملية الانتشار؟
   • المساحة الكامنة VAE للنشر المستقر
   • مساحة البكسل الخام
   • التردد/مساحة فورييه
   • مساحة السحابة النقطية
6. كيف يمكن لـ Marigold تحسين استقرار العمق عبر الجري؟
   • عن طريق خفض دقة الصورة
   • من خلال تجميع تنبؤات عينات متعددة
   • عن طريق تعطيل VAE
   • عن طريق التحويل إلى التدرج الرمادي
7. What does affine-invariant relative depth mean for a Marigold prediction?
   • Every pixel gives exact distance in meters without calibration
   • The output contains color labels instead of depth
   • Depth ordering is useful, but the output's absolute scale and offset need not equal real-world measurements
   • Only the nearest object receives a depth value
8. Which pair of inputs does Marigold encode with the same VAE during its latent diffusion process?
   • The camera pose and a 3D mesh
   • The text prompt and a CLIP score
   • Two stereo images from separate cameras
   • The input image and the depth map