Cuestionario vinculado a una guía · Medio Nivel

Prueba de reconocimiento de acciones

Descubra cómo los modelos de reconocimiento de acciones en vídeo utilizan evidencia temporal, representaciones de movimiento y convoluciones espaciotemporales.

Rutas de guía relacionadasReconocimiento de acción
Pregunta 1 de 8

¿Qué distingue fundamentalmente el reconocimiento de acciones de la clasificación de imágenes ordinaria?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué distingue fundamentalmente el reconocimiento de acciones de la clasificación de imágenes ordinaria?
    • Razona sobre cómo los píxeles cambian a lo largo del tiempo, no solo en un solo cuadro.
    • Utiliza imágenes más grandes.
    • Sólo funciona con vídeos en blanco y negro.
    • No requiere datos de entrenamiento
  2. En una red clásica de reconocimiento de acciones de dos flujos, ¿qué procesa normalmente el segundo flujo?
    • Formas de onda de audio
    • Flujo óptico que representa el movimiento.
    • Subtítulos de texto
    • Coordenadas GPS
  3. ¿Qué aporta una convolución 3D en comparación con una convolución 2D estándar?
    • Canales de color
    • Mayor resolución de imagen
    • Un eje temporal (tiempo) para que los filtros abarquen varios fotogramas
    • Un tamaño de lote mayor
  4. ¿Cuál es el truco de la 'inflación' utilizado por el modelo I3D?
    • Aumento del brillo del vídeo
    • Agregar más capas aleatoriamente
    • Comprimir el archivo de vídeo
    • Ampliar los pesos de la red de imágenes 2D a 3D replicándolos a lo largo del tiempo
  5. ¿Por qué el conjunto de datos Something-Something destaca por el reconocimiento de acciones?
    • Obliga a los modelos a comprender la dirección temporal en lugar de depender del contexto de la escena.
    • Contiene solo videos de animales.
    • no tiene etiquetas
    • Está hecho de imágenes únicas.
  6. ¿Qué técnica ayuda a los modelos de reconocimiento de acciones a aprender de vídeos sin etiquetar?
    • Etiquetado manual cuadro por cuadro
    • Modelado de vídeo enmascarado autosupervisado
    • Eliminar todos los datos de movimiento
    • Usando solo audio
  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