Mit dem Guide verknüpftes Quiz · Schwer Ebene

Swin-Transformer-Quiz

Überprüfen Sie die Aufmerksamkeit bei verschobenen Fenstern, die fensterübergreifende Kommunikation, hierarchische Funktionen, das Zusammenführen von Patches und Vision-Task-Anwendungen in Swin.

Verwandte FührungspfadeSwin-Transformator
Frage 1 von 8

Wofür steht „Swin“ in Swin Transformer?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Wofür steht „Swin“ in Swin Transformer?
    • Verschobene Fenster
    • Glattes Fenster
    • Räumliche Wicklung
    • Einzelnes Fenster
  2. What positional information does Swin add within each local attention window?
    • Absolute word embeddings from a text tokenizer
    • A learnable relative-position bias
    • A global convolution kernel shared across all windows
    • A class-specific bounding-box regression target
  3. Wie ermöglicht Swin die Übertragung von Informationen zwischen separaten Fenstern?
    • Es verwendet wiederkehrende Verbindungen
    • Es löscht Fenstergrenzen vollständig
    • Es verschiebt die Fensterpartition in abwechselnden Schichten
    • Es verwendet nur ein einziges globales Fenster
  4. Was machen Patch-Merging-Layer zwischen Swin-Stufen?
    • Erhöhen Sie die Auflösung und entfernen Sie Kanäle
    • Lassen Sie Patches nach dem Zufallsprinzip fallen
    • Übersetzen Sie Patches in Worte
    • Benachbarte Patches zusammenführen, Auflösung verringern und Kanäle vergrößern
  5. Warum ist die hierarchische, mehrskalige Ausgabe von Swin besonders nützlich?
    • Es fügt sich nahtlos in Erkennungs- und Segmentierungs-Frameworks ein, die Feature-Pyramiden erwarten
    • Es hilft nur bei der Ein-Label-Klassifizierung
    • Dadurch entfällt die Notwendigkeit gekennzeichneter Daten
    • Dadurch wird das Modell kleiner als jedes CNN
  6. How does Swin’s attention pattern differ from standard ViT attention?
    • Swin has no attention mechanism
    • Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
    • ViT uses only local convolutions
    • Both always use identical global attention
  7. What scaling property does fixed-size window attention provide in Swin?
    • It is independent of image resolution
    • It becomes quadratic in channel count only
    • Attention computation grows linearly with image size for fixed window size
    • It removes all attention computation
  8. Why does shifted-window attention use a mask after the cyclic shift?
    • To force every patch to attend to every image patch
    • To remove all positional information
    • To convert window attention into a convolution
    • To prevent tokens from attending across boundaries that should remain separate windows