Cuestionario vinculado a una guía · fácil Nivel

Prueba de subtítulos de imágenes

Revise los canales de subtítulos de imágenes, la atención, las anotaciones COCO y las medidas de evaluación, reconociendo al mismo tiempo los riesgos de alucinación de objetos.

Rutas de guía relacionadasSubtítulos de imágenes
Pregunta 1 de 8

¿Qué produce un sistema de subtítulos de imágenes como resultado?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué produce un sistema de subtítulos de imágenes como resultado?
    • Una descripción en lenguaje natural de la imagen.
    • Una versión de mayor resolución de la imagen.
    • Una lista de coordenadas de píxeles únicamente
    • Un archivo comprimido de la imagen.
  2. En un canal de subtítulos clásico, ¿qué papel juega el codificador visual?
    • Escribe la frase final palabra por palabra.
    • Extrae representaciones de características de la imagen.
    • Traduce subtítulos entre idiomas.
    • Puntúa la gramática del título.
  3. ¿Por qué es útil la atención en los subtítulos de imágenes?
    • Comprime la imagen para ahorrar almacenamiento.
    • Elimina la necesidad de datos de entrenamiento.
    • Permite que el modelo se centre en regiones de imagen relevantes para cada palabra.
    • Convierte el título en audio.
  4. ¿Qué conjunto de datos se utiliza ampliamente para entrenar y evaluar los subtítulos de imágenes?
    • MNIST
    • WikiTexto
    • LibriDiscurso
    • MS COCO
  5. ¿Qué significa que un decodificador de subtítulos genere palabras de forma 'autoregresiva'?
    • Predice cada palabra usando la imagen y las palabras generadas hasta el momento.
    • Produce todas las palabras simultáneamente.
    • Solo genera una sola palabra por imagen.
    • Hace una regresión de la imagen a píxeles.
  6. ¿A qué se refiere un modo de falla común en los modelos de subtítulos conocido como "alucinación"?
    • Producir subtítulos demasiado cortos
    • Describir objetos que en realidad no están en la imagen.
    • Traducir subtítulos incorrectamente
    • Correr demasiado lento en imágenes grandes
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams