Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Τμηματοποίηση κουίζ μοντέλου για οτιδήποτε

Κατανοήστε την άμεση τμηματοποίηση εικόνων και βίντεο μέσω του αρχικού SAM και των μεθόδων επέκτασης SAM 2, δεδομένων και μνήμης.

Σχετικές διαδρομές οδηγώνΤμηματοποιήστε το μοντέλο για οτιδήποτε
Ερώτηση 1 του 8

Ποια βασική ιδέα καθιστά το SAM «μοντέλο θεμελίωσης» για τμηματοποίηση;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποια βασική ιδέα καθιστά το SAM «μοντέλο θεμελίωσης» για τμηματοποίηση;
    • Αντιμετωπίζει την τμηματοποίηση ως μια άμεση εργασία που γενικεύεται σε αόρατα αντικείμενα
    • Λειτουργεί μόνο σε πρόσωπα
    • Απαιτεί επανεκπαίδευση για κάθε νέα εικόνα
    • Βγάζει όρια οριοθέτησης, ποτέ μάσκες
  2. Πόσο μεγάλο είναι περίπου το σύνολο δεδομένων SA-1B που χρησιμοποιείται για την εκπαίδευση του SAM;
    • Περίπου 1.000 μάσκες
    • Πάνω από 1 δισεκατομμύριο μάσκες σε 11 εκατομμύρια εικόνες
    • Περίπου 1 εκατομμύριο μάσκες
    • Ακριβώς 50.000 μάσκες
  3. Γιατί η SAM χωρίζει την αρχιτεκτονική της σε έναν βαρύ κωδικοποιητή εικόνας και έναν ελαφρύ κωδικοποιητή/αποκωδικοποιητή προτροπής;
    • Για να γίνει αδύνατη η προπόνηση
    • Για να αποφύγετε τη χρήση οποιωνδήποτε νευρωνικών δικτύων
    • Έτσι, μια ενσωμάτωση εικόνας μπορεί να επαναχρησιμοποιηθεί για πολλά διαδραστικά μηνύματα σε πραγματικό χρόνο
    • Επειδή οι μάσκες υπολογίζονται μόνο στην CPU
  4. Πώς χειρίζεται η SAM μια διφορούμενη προτροπή, όπως ένα μόνο κλικ που μπορεί να σημαίνει πολλά αντικείμενα;
    • Αρνείται να βγάλει οτιδήποτε
    • Διαλέγει πάντα το μεγαλύτερο αντικείμενο
    • Ζητάει από τον χρήστη να πληκτρολογήσει μια περιγραφή
    • Προβλέπει πολλαπλές έγκυρες μάσκες και τις κατατάσσει με εμπιστοσύνη
  5. Τι τύπο κορμού χρησιμοποιεί η SAM για την κωδικοποίηση της εικόνας εισόδου;
    • A Vision Transformer (ViT)
    • Ένα επαναλαμβανόμενο νευρωνικό δίκτυο
    • Ένα δέντρο αποφάσεων
    • Μια μηχανή υποστήριξης φορέα
  6. Ποια σημαντική δυνατότητα πρόσθεσε το SAM 2 το 2024;
    • Ηχητική μεταγραφή
    • Τμηματοποίηση και παρακολούθηση αντικειμένων σε καρέ βίντεο
    • Δημιουργία λεζάντες κειμένου
    • Υποστήριξη τρισδιάστατης εκτύπωσης
  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