Cuestionario vinculado a una guía · Medio Nivel

Prueba de mateado de imágenes

Compruebe la composición alfa, la guía de trimap, el refinamiento de bordes finos y el uso de mates de imagen para recortes con detalles suaves y fondos virtuales.

Rutas de guía relacionadasImagen mate
Pregunta 1 de 8

¿Qué representa el mate alfa en el mate de imagen?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué representa el mate alfa en el mate de imagen?
    • El brillo de cada píxel.
    • La profundidad de cada píxel.
    • La etiqueta de categoría del objeto.
    • La opacidad (fracción de primer plano) de cada píxel entre 0 y 1
  2. ¿En qué se diferencia fundamentalmente el matting de la segmentación binaria?
    • Matting solo funciona en video
    • Matting estima la opacidad fraccionaria para bordes suaves, no solo para máscaras duras
    • El mate sólo produce máscaras duras 0/1
    • El mate ignora la información del color
  3. ¿Qué es un trimap en esteras clásicas?
    • Un filtro fotográfico de tres colores.
    • Una salida de sensor de profundidad
    • Un mapa que marca un primer plano definido, un fondo definido y regiones desconocidas.
    • Un tipo de lente de cámara
  4. La ecuación de composición I = alfa*F + (1 - alfa)*B está subdeterminada porque:
    • Hay más incógnitas que los tres valores RGB conocidos por píxel
    • Nunca tiene solucion
    • Alfa siempre es exactamente 0,5
    • El primer plano y el fondo son idénticos
  5. ¿Qué tienen de notable modelos como MODNet y Robust Video Matting?
    • Requieren un trimap dibujado a mano para cada cuadro.
    • Realizan mateado sin trimap, a menudo en tiempo real
    • Sólo funcionan con imágenes en blanco y negro.
    • Producen mallas 3D.
  6. ¿Qué pérdida se combina comúnmente con el error de predicción alfa en el mateado profundo?
    • Una pérdida de reconocimiento del habla.
    • Una recompensa de refuerzo
    • Una clasificación de entropía cruzada en etiquetas.
    • Una pérdida de composición que vuelve a combinar la predicción y la compara con la imagen original.
  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