Тест, свързан с ръководство · Среден Ниво

DepthAnything Monocular Depth Тест

Преглед на системата за данни учител-ученик на Depth Anything, енкодер DINOv2, изходи за относителна дълбочина и подобрения на синтетичните данни във V2.

Свързани ръководни пътекиDepthanything Монокулярна дълбочина
Въпрос 1 на 8

Какво означава „монокулярна“ оценка на дълбочината?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво означава „монокулярна“ оценка на дълбочината?
    • Прогнозиране на дълбочина от едно изображение
    • Използване на две камери за стереовизия
    • Използване на сензор LiDAR
    • Измерване на дълбочина със звукови вълни
  2. Каква беше основната стратегия на DepthAnything за постигане на силно обобщение?
    • Ръчно етикетиране на малък набор от висококачествени данни
    • Обучение на приблизително 62 милиона автоматично етикетирани изображения без етикети
    • Използване само на синтетични данни на игровия двигател
    • Разчитане на двойки стерео камери
  3. На какъв основен енкодер се основава DepthAnything?
    • ResNet-18 CNN
    • Повтаряща се LSTM мрежа
    • Визуалният трансформатор DINOv2
    • Детектор YOLO
  4. Какъв вид дълбочина извежда основно оригиналният DepthAnything?
    • Точно разстояние в метри
    • Само двоичен преден план/фон
    • GPS координати
    • Относителна дълбочина (по-близо срещу по-далеч)
  5. Как DepthAnything V2 подобри фините детайли и ръбове?
    • Чрез обучение на учителя върху синтетични данни с перфектна основа на истината, след което дестилиране
    • Чрез добавяне на повече истински шумни етикети
    • Чрез премахване на енкодера на трансформатора
    • Чрез използване на входове с по-ниска разделителна способност
  6. Кое приложение НЕ е типично използване на монокулярни карти на дълбочината?
    • Замъгляване на фона в портретен режим
    • Криптиране на мрежов трафик
    • Кондициониране на дълбочина ControlNet
    • Преобразуване на снимки от 2D към 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models