Тест, свързан с ръководство · Среден Ниво
Тест за матиране на изображения
Проверете алфа композирането, насочването на trimap, финото усъвършенстване на ръбовете и използването на матиране на изображението за изрязвания с меки детайли и виртуални фонове.
Въпрос 1 на 8
Какво представлява алфа матът в матирането на изображението?
Визуализирайте всеки въпрос8 въпроси
Отговорите и обясненията се появяват, докато отговаряте на теста.
- Какво представлява алфа матът в матирането на изображението?
- Яркостта на всеки пиксел
- Дълбочината на всеки пиксел
- Етикет на категорията на обекта
- Непрозрачността (част на преден план) на всеки пиксел между 0 и 1
- Как матирането се различава фундаментално от двоичното сегментиране?
- Матирането работи само на видео
- Матирането оценява частичната непрозрачност за меки ръбове, а не само за твърди маски
- Матирането произвежда само твърди маски 0/1
- Матирането игнорира информацията за цвета
- Какво е trimap в класическото матиране?
- Трицветен филтър за снимки
- Изход за сензор за дълбочина
- Карта, маркираща определен преден план, определен фон и неизвестни региони
- Вид обектив на фотоапарат
- Композитното уравнение I = alpha*F + (1 - alpha)*B е недостатъчно определено, защото:
- Има повече неизвестни от трите известни RGB стойности на пиксел
- Никога няма решение
- Алфа винаги е точно 0,5
- Преден и заден план са идентични
- Какво е забележително за модели като MODNet и Robust Video Matting?
- Те изискват ръчно начертана trimap за всеки кадър
- Те извършват матиране без трикарти, често в реално време
- Те работят само върху черно-бели изображения
- Те извеждат 3D мрежи
- Коя загуба обикновено се комбинира с алфа грешка при прогнозиране при дълбоко матиране?
- Загуба на разпознаване на речта
- Награда за подсилване
- Крос-ентропия на класификация върху етикети
- Композиционна загуба, която повторно смесва прогнозата и я сравнява с оригиналното изображение
- Why might a deep matting network include a refinement stage after an initial alpha prediction?
- To improve fine boundaries such as hair that a coarse prediction may miss
- To replace every fractional alpha with a hard label
- To discard the foreground color before compositing
- To force all background pixels to become foreground
- Which video-conferencing operation directly uses a predicted alpha matte?
- Estimating the participant's spoken words from the waveform
- Selecting an audio codec for the microphone
- Blending a participant with a replacement background along soft edges
- Assigning the call's network packets to a router