Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur Handlungserkennung

Erfahren Sie, wie Video-Aktionserkennungsmodelle zeitliche Beweise, Bewegungsdarstellungen und raumzeitliche Faltungen nutzen.

Verwandte FührungspfadeAktionserkennung
Frage 1 von 8

Was unterscheidet die Aktionserkennung grundsätzlich von der gewöhnlichen Bildklassifizierung?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was unterscheidet die Aktionserkennung grundsätzlich von der gewöhnlichen Bildklassifizierung?
    • Es geht darum, wie sich Pixel im Laufe der Zeit verändern, nicht nur um ein einzelnes Bild
    • Es werden größere Bilder verwendet
    • Es funktioniert nur bei Schwarzweißvideos
    • Es sind keine Trainingsdaten erforderlich
  2. Was verarbeitet der zweite Stream in einem klassischen Netzwerk zur Aktionserkennung mit zwei Streams normalerweise?
    • Audiowellenformen
    • Optischer Fluss, der Bewegung darstellt
    • Textbeschriftungen
    • GPS-Koordinaten
  3. Welchen Mehrwert bietet eine 3D-Faltung im Vergleich zu einer standardmäßigen 2D-Faltung?
    • Farbkanäle
    • Höhere Bildauflösung
    • Eine Zeitachse (Zeitachse), sodass sich Filter über mehrere Frames erstrecken
    • Eine größere Chargengröße
  4. Was ist der Inflationstrick, den das I3D-Modell verwendet?
    • Erhöhen der Videohelligkeit
    • Weitere Ebenen nach dem Zufallsprinzip hinzufügen
    • Komprimieren der Videodatei
    • Erweitern von 2D-Bildnetzwerkgewichten in 3D durch Replikation im Laufe der Zeit
  5. Warum zeichnet sich der Something-Something-Datensatz durch die Aktionserkennung aus?
    • Es zwingt Modelle dazu, die zeitliche Richtung zu verstehen, anstatt sich auf den Szenenkontext zu verlassen
    • Es enthält nur Tiervideos
    • Es hat keine Etiketten
    • Es besteht aus Einzelbildern
  6. Welche Technik hilft Aktionserkennungsmodellen, aus unbeschrifteten Videos zu lernen?
    • Manuelle Bild-für-Bild-Beschriftung
    • Selbstüberwachte maskierte Videomodellierung
    • Alle Bewegungsdaten löschen
    • Nur Audio verwenden
  7. How many action-template classes did the initial Something-Something dataset paper describe?
    • 17 classes
    • 1,740 classes
    • 174 classes
    • 17,400 classes
  8. What pretraining strategy does VideoMAE use?
    • Training only on single labeled frames
    • Replacing video with a text transcript
    • Predicting optical flow without reconstructing masked content
    • Masking a high proportion of video tokens and reconstructing them from visible tokens