Kvíz spojený s průvodcem · Střední úroveň

DepthCokoliv Monokulární Hloubkový kvíz

Prohlédněte si datový modul učitel-student Depth Anything, kodér DINOv2, výstupy relativní hloubky a vylepšení syntetických dat ve verzi V2.

Související vodicí cestyDepthanything Monokulární hloubka
Otázka 1 z 8

Co znamená „monokulární“ odhad hloubky?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co znamená „monokulární“ odhad hloubky?
    • Předpovídání hloubky z jednoho obrázku
    • Použití dvou kamer pro stereo vidění
    • Použití senzoru LiDAR
    • Měření hloubky pomocí zvukových vln
  2. Jaká byla hlavní strategie DepthAnything pro dosažení silného zobecnění?
    • Ruční označování malé vysoce kvalitní datové sady
    • Školení na zhruba 62 milionech automaticky označených neoznačených obrázků
    • Použití pouze syntetických dat herního enginu
    • Spoléhání na páry stereo kamer
  3. Na jakém páteřním kodéru staví DepthAnything?
    • ResNet-18 CNN
    • Opakující se síť LSTM
    • Transformátor vidění DINOv2
    • Detektor YOLO
  4. Jakou hloubku primárně produkuje původní DepthAnything?
    • Přesná vzdálenost v metrech
    • Pouze binární popředí/pozadí
    • GPS souřadnice
    • Relativní hloubka (blíže vs. dále)
  5. Jak DepthAnything V2 vylepšil jemné detaily a hrany?
    • Školením učitele o syntetických datech s dokonalou základní pravdou a poté destilací
    • Přidáním více skutečných hlučných štítků
    • Odstraněním kodéru transformátoru
    • Použitím vstupů s nižším rozlišením
  6. Která aplikace NENÍ typickým použitím monokulárních hloubkových map?
    • Rozostření pozadí v režimu portrétu
    • Šifrování síťového provozu
    • Hloubková úprava ControlNet
    • Převod fotografií z 2D na 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models