Kvíz spojený s průvodcem · Střední úroveň
Kvíz optického toku
Testujte vektory optického toku, stálost jasu, RAFT, okluzi, limity pohybu a ověření specifické pro daný úkol. Zkontrolujte důkazy a limity.
Otázka 1 z 8
Co vlastně odhaduje optický tok?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co vlastně odhaduje optický tok?
- Zjevný pohyb pixelů mezi po sobě jdoucími snímky
- Teplota barev každého snímku
- Počet objektů v jednom obrázku
- Zvuková vlna doprovázející video
- Jaký je předpoklad „stálosti jasu“ používaný v klasickém optickém toku?
- Každý snímek musí mít stejný průměrný jas
- Pohyblivý bod zachovává zhruba stejný jas napříč snímky
- Jas se musí u videa neustále zvyšovat
- Analyzovat lze pouze černobílé video
- Which method uses a 4D correlation volume and recurrent updates for optical flow?
- Tesseract
- Mask R-CNN
- RAFT
- Swin patch merging
- Why can classic optical-flow assumptions fail in fast motion?
- Because frames contain no pixels
- Because flow is a text-only task
- Because all motion is uniform
- Large displacement, occlusion, or brightness changes violate local smoothness or brightness-constancy assumptions
- Která aplikace se přímo spoléhá na odhad pohybu mezi snímky?
- Interpolace snímků videa pro plynulé zpomalené přehrávání
- Kontrola pravopisu v textovém dokumentu
- Třídění fotografií podle velikosti souboru
- Převod řeči na text
- Co je to „okluzní“ problém v optickém toku?
- Když je video příliš jasně osvětlené
- Když se pixel skryje nebo odhalí, mezi snímky neexistuje žádná platná shoda
- Když je snímková frekvence přesně 30 fps
- Když jsou dvě videa sloučena dohromady
- What is the output of dense optical flow?
- One class label for the whole clip
- A 3D mesh with metric scale
- A displacement vector estimate for each image pixel
- A transcript of the audio
- What is one reason flow can be uncertain in a textureless region?
- Every pixel is assigned a unique object name
- The region has too many labels
- Optical flow only works on text
- There may be too little local visual information to identify a unique match