Mit dem Guide verknüpftes Quiz · Mittel Ebene

Modell-Quiz „Alles segmentieren“.

Verstehen Sie die aufforderungsgerechte Bild- und Videosegmentierung durch das ursprüngliche SAM und seine spätere SAM 2-Erweiterung sowie Daten- und Speichermethoden.

Verwandte FührungspfadeSegment Anything-Modell
Frage 1 von 8

Welche Kernidee macht SAM zu einem „Grundlagenmodell“ für die Segmentierung?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Welche Kernidee macht SAM zu einem „Grundlagenmodell“ für die Segmentierung?
    • Es behandelt die Segmentierung als eine aufforderungsgesteuerte Aufgabe, die auf unsichtbare Objekte verallgemeinert wird
    • Es funktioniert nur bei Gesichtern
    • Es erfordert eine Neuschulung für jedes neue Bild
    • Es werden Begrenzungsrahmen ausgegeben, niemals Masken
  2. Wie groß ist ungefähr der SA-1B-Datensatz, der zum Trainieren von SAM verwendet wird?
    • Etwa 1.000 Masken
    • Über 1 Milliarde Masken in 11 Millionen Bildern
    • Ungefähr 1 Million Masken
    • Genau 50.000 Masken
  3. Warum teilt SAM seine Architektur in einen schweren Bild-Encoder und einen leichten Prompt-Encoder/Decoder auf?
    • Um das Training unmöglich zu machen
    • Um die Verwendung neuronaler Netze zu vermeiden
    • So kann eine Bildeinbettung für viele interaktive Eingabeaufforderungen in Echtzeit wiederverwendet werden
    • Weil Masken nur auf der CPU berechnet werden
  4. Wie geht SAM mit einer mehrdeutigen Eingabeaufforderung um, beispielsweise einem einzelnen Klick, der mehrere Objekte bedeuten könnte?
    • Es weigert sich, irgendetwas auszugeben
    • Es wählt immer das größte Objekt aus
    • Der Benutzer wird aufgefordert, eine Beschreibung einzugeben
    • Es sagt mehrere gültige Masken voraus und ordnet sie nach Konfidenz
  5. Welche Art von Backbone verwendet SAM zum Codieren des Eingabebildes?
    • Ein Vision Transformer (ViT)
    • Ein wiederkehrendes neuronales Netzwerk
    • Ein Entscheidungsbaum
    • Eine Support-Vektor-Maschine
  6. Welche Hauptfähigkeit hat SAM 2 im Jahr 2024 hinzugefügt?
    • Audiotranskription
    • Segmentieren und Verfolgen von Objekten über Videobilder hinweg
    • Textbeschriftungen erstellen
    • Unterstützung für 3D-Druck
  7. What role did the data engine play in the original SAM project?
    • It replaced the image encoder with a text-only model
    • It automatically verified every mask as medically correct
    • It iteratively combined model-assisted annotation and human annotation to build SA-1B
    • It generated labels without human or model assistance
  8. How does SAM 2 use memory for video segmentation?
    • It discards all frames after processing each one
    • It predicts only a video-level class label
    • It replaces the prompt with an audio transcript
    • It stores information from prior frames to help segment the object in later frames