গাইড লিঙ্ক ক্যুইজ · সহজ স্তর

ছবির ক্যাপশনিং কুইজ

অবজেক্ট-হ্যালুসিনেশন ঝুঁকিগুলিকে স্বীকৃতি দেওয়ার সময় চিত্র-ক্যাপশনিং পাইপলাইন, মনোযোগ, COCO টীকা এবং মূল্যায়ন ব্যবস্থা পর্যালোচনা করুন।

সম্পর্কিত গাইড পাথছবির ক্যাপশনিং
প্রশ্ন 1 এর 8

একটি চিত্র ক্যাপশনিং সিস্টেম আউটপুট হিসাবে কি উত্পাদন করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. একটি চিত্র ক্যাপশনিং সিস্টেম আউটপুট হিসাবে কি উত্পাদন করে?
    • চিত্রের একটি প্রাকৃতিক-ভাষা বর্ণনা
    • ছবির একটি উচ্চ-রেজোলিউশন সংস্করণ
    • শুধুমাত্র পিক্সেল স্থানাঙ্কের একটি তালিকা
    • ছবির একটি সংকুচিত ফাইল
  2. একটি ক্লাসিক ক্যাপশনিং পাইপলাইনে, ভিজ্যুয়াল এনকোডার কী ভূমিকা পালন করে?
    • এটি শব্দ দ্বারা চূড়ান্ত বাক্য শব্দটি লিখে
    • এটি চিত্র থেকে বৈশিষ্ট্য উপস্থাপনা বের করে
    • এটি ভাষার মধ্যে ক্যাপশন অনুবাদ করে
    • এটি ক্যাপশনের ব্যাকরণ স্কোর করে
  3. কেন মনোযোগ ইমেজ ক্যাপশনে দরকারী?
    • এটি সঞ্চয়স্থান সংরক্ষণ করতে ইমেজ সংকুচিত করে
    • এটি যেকোন প্রশিক্ষণের ডেটার প্রয়োজনীয়তাকে সরিয়ে দেয়
    • এটি মডেলটিকে প্রতিটি শব্দের জন্য প্রাসঙ্গিক চিত্র অঞ্চলগুলিতে ফোকাস করতে দেয়৷
    • এটি ক্যাপশনটিকে অডিওতে রূপান্তরিত করে
  4. চিত্র ক্যাপশনিং প্রশিক্ষণ এবং মূল্যায়নের জন্য কোন ডেটাসেট ব্যাপকভাবে ব্যবহৃত হয়?
    • MNIST
    • উইকিটেক্সট
    • লিব্রি স্পিচ
    • এমএস কোকো
  5. একটি ক্যাপশন ডিকোডারের জন্য 'স্বয়ংক্রিয়ভাবে' শব্দ তৈরি করার অর্থ কী?
    • এটি ইমেজ ব্যবহার করে প্রতিটি শব্দের ভবিষ্যদ্বাণী করে এবং এ পর্যন্ত তৈরি করা শব্দ
    • এটি একই সাথে সমস্ত শব্দ তৈরি করে
    • এটি শুধুমাত্র প্রতি ইমেজ একটি একক শব্দ আউটপুট
    • এটি চিত্রটিকে পিক্সেলে ফিরিয়ে আনে
  6. ক্যাপশনিং মডেলের একটি সাধারণ ব্যর্থতা মোড যা 'হ্যালুসিনেশন' নামে পরিচিত তা কী বোঝায়?
    • খুব ছোট ক্যাপশন তৈরি করা
    • বস্তুর বর্ণনা যা আসলে ছবিতে নেই
    • ক্যাপশন ভুলভাবে অনুবাদ করা হচ্ছে
    • বড় ইমেজ খুব ধীরে চলমান
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams