Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur Einschätzung der menschlichen Pose

Überprüfen Sie 2D-Posenschlüsselpunkte, Top-Down- und Bottom-Up-Pipelines, Teileaffinitätsfelder und was Bildebenenschätzungen nicht ermitteln können.

Verwandte FührungspfadeSchätzung der menschlichen Pose
Frage 1 von 8

Was erkennt die menschliche Posenschätzung hauptsächlich?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Was erkennt die menschliche Posenschätzung hauptsächlich?
    • Die Positionen von Körpergelenken oder Schlüsselpunkten
    • Die Farben der Kleidung
    • Der Name der Person
    • Die Größe der Bilddatei
  2. Wie funktionieren Methoden zur Posenschätzung von oben nach unten?
    • Sie erkennen alle Gelenke auf einmal und gruppieren sie dann
    • Sie erkennen zuerst jede Person und finden dann Gelenke in der Box
    • Sie verwenden niemals Begrenzungsrahmen
    • Sie funktionieren nur an einem einzigen statischen Gelenk
  3. What does OpenPose predict to estimate body-part locations?
    • A direct 3D skeleton with depth
    • A single bounding box per frame
    • Confidence maps for candidate body-part locations
    • A sequence of spoken joint names
  4. What step does the OpenPose parser use to associate candidate body parts into full poses?
    • A face-recognition classifier
    • A top-down detector for every limb
    • A language-model prompt
    • A set of bipartite matchings scored with Part Affinity Fields
  5. What failure mode of top-down pose estimation does the OpenPose paper discuss in crowded scenes?
    • A person detector may miss people close together, and the pose stage cannot recover them
    • It always detects more people than are present
    • It cannot estimate any 2D keypoints
    • It requires a 3D depth camera
  6. Which additional keypoint groups did the OpenPose paper include in its system?
    • Only facial landmarks
    • Body, foot, hand and facial keypoints
    • A 3D skeleton with medical diagnoses
    • Only fingertip positions
  7. What information do Part Affinity Fields encode to connect keypoints?
    • A person’s identity from face recognition
    • Depth in meters for every body joint
    • Vectors indicating limb position and orientation across the image
    • The camera exposure settings
  8. What can a 2D pose model conclude directly from image keypoints?
    • A person’s medical diagnosis
    • Exact real-world joint depth without additional information
    • The person’s intentions
    • Approximate joint locations in image coordinates