Тест, свързан с ръководство · Среден Ниво

Тест за оценка на човешката поза

Прегледайте ключовите точки на 2D пози, тръбопроводите отгоре надолу и отдолу нагоре, полетата за афинитет на части и какви оценки на равнината на изображението не могат да установят.

Свързани ръководни пътекиОценка на човешката поза
Въпрос 1 на 8

Какво основно открива оценката на човешката поза?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво основно открива оценката на човешката поза?
    • Позициите на ставите на тялото или ключовите точки
    • Цветовете на дрехите
    • Името на лицето
    • Размерът на файла с изображение
  2. Как работят методите за оценка на поза отгоре надолу?
    • Те откриват всички стави наведнъж, след което ги групират
    • Те първо откриват всеки човек, след което откриват стави в кутията
    • Те никога не използват ограничителни кутии
    • Те работят само върху една статична връзка
  3. What does OpenPose predict to estimate body-part locations?
    • A direct 3D skeleton with depth
    • A single bounding box per frame
    • Confidence maps for candidate body-part locations
    • A sequence of spoken joint names
  4. What step does the OpenPose parser use to associate candidate body parts into full poses?
    • A face-recognition classifier
    • A top-down detector for every limb
    • A language-model prompt
    • A set of bipartite matchings scored with Part Affinity Fields
  5. What failure mode of top-down pose estimation does the OpenPose paper discuss in crowded scenes?
    • A person detector may miss people close together, and the pose stage cannot recover them
    • It always detects more people than are present
    • It cannot estimate any 2D keypoints
    • It requires a 3D depth camera
  6. Which additional keypoint groups did the OpenPose paper include in its system?
    • Only facial landmarks
    • Body, foot, hand and facial keypoints
    • A 3D skeleton with medical diagnoses
    • Only fingertip positions
  7. What information do Part Affinity Fields encode to connect keypoints?
    • A person’s identity from face recognition
    • Depth in meters for every body joint
    • Vectors indicating limb position and orientation across the image
    • The camera exposure settings
  8. What can a 2D pose model conclude directly from image keypoints?
    • A person’s medical diagnosis
    • Exact real-world joint depth without additional information
    • The person’s intentions
    • Approximate joint locations in image coordinates