اختبار الكشف عن كائنات المفردات المفتوحة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هي القدرة المحددة لاكتشاف الكائنات ذات المفردات المفتوحة؟
   • الكشف فقط عن الفئات التي تمت مشاهدتها مع الصناديق أثناء التدريب
   • يعمل بشكل أسرع من جميع أجهزة الكشف الأخرى
   • اكتشاف الكائنات الموصوفة بنص عشوائي، بما في ذلك الفئات غير المرئية
   • العمل فقط على الصور ذات التدرج الرمادي
2. In a common embedding-based open-vocabulary detector, how are candidate regions matched to user-supplied labels?
   • By using only the region's average brightness
   • By comparing visual-region features with text embeddings in a compatible representation space
   • By choosing labels alphabetically without visual features
   • By restricting every model to the original COCO class list
3. ما هو مصدر التدريب المسبق الذي يتيح اكتشاف المفردات المفتوحة بشكل أكبر؟
   • تُستخدم أزواج الصور والنصوص واسعة النطاق لتعلم مساحة لغة الرؤية
   • مجموعة صغيرة من الصناديق ذات العلامات المثالية
   • التسجيلات الصوتية
   • مجموعات البيانات الرقمية المكتوبة بخط اليد
4. What replaces fixed per-class classifier weights in a common embedding-based open-vocabulary design?
   • The camera's physical image sensor
   • The bounding-box coordinate system
   • All visual features with random file identifiers
   • Representations of the supplied text labels used for similarity-based classification
5. أي مما يلي يعد نموذجًا للمفردات المفتوحة أو نموذج اكتشاف التأريض؟
   • ResNet-50 وحده
   • تأريض دينو
   • حرف k العادي يعني برنامج نصي للتجميع
   • ماكرو جدول البيانات
6. What does an open-vocabulary detector's ability to use a new text category imply?
   • It guarantees accurate detection of every nameable object
   • The category must have been absent from every pretraining image and caption
   • It can attempt localization through learned vision-language associations, with accuracy requiring evaluation
   • It needs no visual features or bounding-box output
7. What output distinguishes text-conditioned object detection from simply saying that an image contains a named category?
   • Only a whole-image tag with no object location
   • Only the text prompt's word count
   • Only the image's dimensions and filename
   • Locations such as bounding boxes for the matching objects
8. Before using open-vocabulary predictions to auto-label a new domain, what should a dataset team check?
   • The boxes and labels under representative prompts, thresholds, and domain conditions
   • Assume text-conditioned predictions are automatically ground truth
   • Verify only that the label strings contain no spelling errors
   • Discard all visual inspection because image-text pretraining guarantees accuracy