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।
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।
- 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
- 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
- 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
- চিত্র ক্যাপশনিং প্রশিক্ষণ এবং মূল্যায়নের জন্য কোন ডেটাসেট ব্যাপকভাবে ব্যবহৃত হয়?
- MNIST
- উইকিটেক্সট
- লিব্রি স্পিচ
- এমএস কোকো
- 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
- 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
- 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
- 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