Тест, свързан с ръководство · Среден Ниво

Тест за модели на сегментиране на всичко

Разберете бързото сегментиране на изображения и видео чрез оригиналния SAM и неговото по-късно разширение SAM 2, методи за данни и памет.

Свързани ръководни пътекиСегментирайте всичко модел
Въпрос 1 на 8

Каква основна идея прави SAM „основен модел“ за сегментиране?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Каква основна идея прави SAM „основен модел“ за сегментиране?
    • Той третира сегментирането като подлежаща на подкана задача, която се обобщава към невидими обекти
    • Работи само върху лица
    • Изисква преквалификация за всеки нов образ
    • Той извежда ограничаващи кутии, никога маски
  2. Приблизително колко голям е наборът от данни SA-1B, използван за обучение на SAM?
    • Около 1000 маски
    • Над 1 милиард маски в 11 милиона изображения
    • Около 1 милион маски
    • Точно 50 000 маски
  3. Защо SAM разделя своята архитектура на тежък енкодер за изображения и лек енкодер/декодер за подкани?
    • Да направи обучението невъзможно
    • За да избегнете използването на невронни мрежи
    • Така едно вграждане на изображение може да се използва повторно за много интерактивни подкани в реално време
    • Тъй като маските се изчисляват само от процесора
  4. Как SAM обработва двусмислена подкана, като едно кликване, което може да означава няколко обекта?
    • Отказва да изведе каквото и да било
    • Винаги избира най-големия обект
    • Той иска от потребителя да напише описание
    • Той предвижда множество валидни маски и ги класира по степен на сигурност
  5. Какъв тип гръбнак използва SAM за кодиране на входното изображение?
    • Визуален трансформатор (ViT)
    • Повтаряща се невронна мрежа
    • Дърво на решенията
    • Машина за поддържащи вектори
  6. Какви основни възможности добави SAM 2 през 2024 г.?
    • Аудио транскрипция
    • Сегментиране и проследяване на обекти във видео кадри
    • Генериране на текстови надписи
    • Поддръжка на 3D печат
  7. What role did the data engine play in the original SAM project?
    • It replaced the image encoder with a text-only model
    • It automatically verified every mask as medically correct
    • It iteratively combined model-assisted annotation and human annotation to build SA-1B
    • It generated labels without human or model assistance
  8. How does SAM 2 use memory for video segmentation?
    • It discards all frames after processing each one
    • It predicts only a video-level class label
    • It replaces the prompt with an audio transcript
    • It stores information from prior frames to help segment the object in later frames