Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ ματιών εικόνας

Ελέγξτε τη σύνθεση alpha, την καθοδήγηση trimap, τη βελτίωση των λεπτών άκρων και τη χρήση ματιών εικόνας για αποκοπές με απαλές λεπτομέρειες και εικονικά φόντα.

Σχετικές διαδρομές οδηγώνΨάθα εικόνας
Ερώτηση 1 του 8

Τι αντιπροσωπεύει το άλφα ματ στο ματ εικόνας;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Τι αντιπροσωπεύει το άλφα ματ στο ματ εικόνας;
    • Η φωτεινότητα κάθε pixel
    • Το βάθος κάθε pixel
    • Ετικέτα κατηγορίας αντικειμένου
    • Η αδιαφάνεια (κλάσμα προσκηνίου) κάθε pixel μεταξύ 0 και 1
  2. Πώς διαφέρει ουσιαστικά το ματ από τη δυαδική τμηματοποίηση;
    • Το Matting λειτουργεί μόνο σε βίντεο
    • Το Matting υπολογίζει την κλασματική αδιαφάνεια για μαλακές άκρες, όχι μόνο για σκληρές μάσκες
    • Το Matting παράγει μόνο σκληρές μάσκες 0/1
    • Το Matting αγνοεί τις πληροφορίες χρώματος
  3. Τι είναι το trimap στο κλασικό ματ;
    • Φίλτρο φωτογραφιών τριών χρωμάτων
    • Έξοδος αισθητήρα βάθους
    • Ένας χάρτης που επισημαίνει καθορισμένο πρώτο πλάνο, συγκεκριμένο φόντο και άγνωστες περιοχές
    • Ένας τύπος φακού κάμερας
  4. Η σύνθετη εξίσωση I = άλφα*F + (1 - άλφα)*Β είναι υποκαθορισμένη επειδή:
    • Υπάρχουν περισσότερα άγνωστα από τις τρεις γνωστές τιμές RGB ανά pixel
    • Δεν έχει λύση ποτέ
    • Το άλφα είναι πάντα ακριβώς 0,5
    • Το προσκήνιο και το φόντο είναι πανομοιότυπα
  5. Τι είναι αξιοσημείωτο για μοντέλα όπως το MODNet και το Robust Video Matting;
    • Απαιτούν ένα χειροποίητο trimap για κάθε πλαίσιο
    • Εκτελούν ψάθες χωρίς trimap, συχνά σε πραγματικό χρόνο
    • Λειτουργούν μόνο σε ασπρόμαυρες εικόνες
    • Παράγουν τρισδιάστατα πλέγματα
  6. Ποια απώλεια συνδυάζεται συνήθως με το σφάλμα πρόβλεψης άλφα στο βαθύ ψάθα;
    • Απώλεια αναγνώρισης ομιλίας
    • Επιβράβευση ενίσχυσης
    • Μια ταξινόμηση διασταυρούμενη εντροπία στις ετικέτες
    • Μια απώλεια σύνθεσης που αναμειγνύει την πρόβλεψη και τη συγκρίνει με την αρχική εικόνα
  7. Why might a deep matting network include a refinement stage after an initial alpha prediction?
    • To improve fine boundaries such as hair that a coarse prediction may miss
    • To replace every fractional alpha with a hard label
    • To discard the foreground color before compositing
    • To force all background pixels to become foreground
  8. Which video-conferencing operation directly uses a predicted alpha matte?
    • Estimating the participant's spoken words from the waveform
    • Selecting an audio codec for the microphone
    • Blending a participant with a replacement background along soft edges
    • Assigning the call's network packets to a router