Κουίζ για την ανίχνευση αντικειμένων ανοιχτού λεξιλογίου

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Ποια είναι η καθοριστική ικανότητα της ανίχνευσης αντικειμένων ανοιχτού λεξιλογίου;
   • Ανίχνευση μόνο των κατηγοριών που εμφανίζονται με κουτιά κατά τη διάρκεια της προπόνησης
   • Λειτουργεί πιο γρήγορα από όλους τους άλλους ανιχνευτές
   • Ανίχνευση αντικειμένων που περιγράφονται από αυθαίρετο κείμενο, συμπεριλαμβανομένων μη ορατών κατηγοριών
   • Λειτουργεί μόνο σε εικόνες σε κλίμακα του γκρι
2. In a common embedding-based open-vocabulary detector, how are candidate regions matched to user-supplied labels?
   • By using only the region's average brightness
   • By comparing visual-region features with text embeddings in a compatible representation space
   • By choosing labels alphabetically without visual features
   • By restricting every model to the original COCO class list
3. Ποιος πόρος προεκπαίδευσης επιτρέπει περισσότερο την ανίχνευση ανοιχτού λεξιλογίου;
   • Ζεύγη εικόνας-κειμένου μεγάλης κλίμακας που χρησιμοποιούνται για την εκμάθηση ενός χώρου όρασης-γλώσσας
   • Ένα μικρό σετ κουτιών με τέλεια σήμανση
   • Ηχογραφήσεις
   • Χειρόγραφα σύνολα δεδομένων ψηφίων
4. What replaces fixed per-class classifier weights in a common embedding-based open-vocabulary design?
   • The camera's physical image sensor
   • The bounding-box coordinate system
   • All visual features with random file identifiers
   • Representations of the supplied text labels used for similarity-based classification
5. Ποιο από αυτά είναι ένα παράδειγμα ανοιχτού λεξιλογίου ή μοντέλου ανίχνευσης γείωσης;
   • Μόνο το ResNet-50
   • Γείωση DINO
   • Ένα απλό k-σημαίνει σενάριο ομαδοποίησης
   • Μια μακροεντολή υπολογιστικού φύλλου
6. What does an open-vocabulary detector's ability to use a new text category imply?
   • It guarantees accurate detection of every nameable object
   • The category must have been absent from every pretraining image and caption
   • It can attempt localization through learned vision-language associations, with accuracy requiring evaluation
   • It needs no visual features or bounding-box output
7. What output distinguishes text-conditioned object detection from simply saying that an image contains a named category?
   • Only a whole-image tag with no object location
   • Only the text prompt's word count
   • Only the image's dimensions and filename
   • Locations such as bounding boxes for the matching objects
8. Before using open-vocabulary predictions to auto-label a new domain, what should a dataset team check?
   • The boxes and labels under representative prompts, thresholds, and domain conditions
   • Assume text-conditioned predictions are automatically ground truth
   • Verify only that the label strings contain no spelling errors
   • Discard all visual inspection because image-text pretraining guarantees accuracy