Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ Αναγνώρισης Δράσεων

Μάθετε πώς τα μοντέλα αναγνώρισης ενεργειών βίντεο χρησιμοποιούν χρονικά στοιχεία, αναπαραστάσεις κίνησης και χωροχρονικές συνελίξεις.

Σχετικές διαδρομές οδηγώνΑναγνώριση Δράσης
Ερώτηση 1 του 8

Τι διακρίνει ουσιαστικά την αναγνώριση ενεργειών από τη συνηθισμένη ταξινόμηση εικόνων;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι διακρίνει ουσιαστικά την αναγνώριση ενεργειών από τη συνηθισμένη ταξινόμηση εικόνων;
    • Αιτίες για το πώς αλλάζουν τα εικονοστοιχεία με την πάροδο του χρόνου, όχι μόνο σε ένα μόνο καρέ
    • Χρησιμοποιεί μεγαλύτερες εικόνες
    • Λειτουργεί μόνο σε ασπρόμαυρο βίντεο
    • Δεν απαιτεί δεδομένα εκπαίδευσης
  2. Σε ένα κλασικό δίκτυο αναγνώρισης ενεργειών δύο ροών, τι επεξεργάζεται συνήθως η δεύτερη ροή;
    • Ηχητικές κυματομορφές
    • Οπτική ροή που αντιπροσωπεύει την κίνηση
    • Λεζάντες κειμένου
    • Συντεταγμένες GPS
  3. Τι προσθέτει μια 3D συνέλιξη σε σύγκριση με μια τυπική 2D συνέλιξη;
    • Έγχρωμα κανάλια
    • Υψηλότερη ανάλυση εικόνας
    • Ένας χρονικός (χρονος) άξονας, ώστε τα φίλτρα να εκτείνονται σε πολλαπλά καρέ
    • Μεγαλύτερο μέγεθος παρτίδας
  4. Ποιο είναι το κόλπο «φουσκώματος» που χρησιμοποιεί το μοντέλο I3D;
    • Αύξηση φωτεινότητας βίντεο
    • Τυχαία προσθήκη περισσότερων επιπέδων
    • Συμπίεση του αρχείου βίντεο
    • Επέκταση των βαρών του δικτύου εικόνας 2D σε 3D με την αναπαραγωγή τους με την πάροδο του χρόνου
  5. Γιατί το σύνολο δεδομένων Something-Something είναι αξιοσημείωτο για την αναγνώριση ενεργειών;
    • Αναγκάζει τα μοντέλα να κατανοήσουν τη χρονική κατεύθυνση αντί να βασίζονται στο πλαίσιο της σκηνής
    • Περιέχει μόνο βίντεο με ζώα
    • Δεν έχει ετικέτες
    • Είναι κατασκευασμένο από μεμονωμένες εικόνες
  6. Ποια τεχνική βοηθά τα μοντέλα αναγνώρισης ενεργειών να μάθουν από βίντεο χωρίς ετικέτα;
    • Χειροκίνητη επισήμανση καρέ-καρέ
    • Αυτοεποπτευόμενη μοντελοποίηση καλυμμένων βίντεο
    • Διαγραφή όλων των δεδομένων κίνησης
    • Χρήση μόνο ήχου
  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