Prueba de segmentación panóptica

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

1. ¿Qué asigna la segmentación panóptica a cada píxel de una imagen?
   • Una etiqueta de categoría, más un ID de instancia para objetos contables
   • Sólo un valor de profundidad
   • Un solo cuadro delimitador
   • Un nivel de desenfoque
2. En terminología panóptica, ¿qué son las clases de "cosas"?
   • Objetos contables como coches y personas.
   • Regiones amorfas como el cielo, la carretera o la hierba.
   • Etiquetas de texto en la imagen.
   • Metadatos de la cámara
3. ¿Cuál es la principal limitación de la segmentación semántica que supera la segmentación panóptica?
   • No puede etiquetar el cielo
   • Solo funciona en video
   • No puede distinguir instancias individuales de la misma categoría.
   • Ignora todos los antecedentes.
4. ¿Qué métrica se utiliza para evaluar la calidad de la segmentación panóptica?
   • Fotogramas por segundo
   • Relación de compresión
   • Precisión del color
   • Calidad panóptica (PQ)
5. What does segmentation quality (SQ) measure within Panoptic Quality?
   • The average IoU of matched predicted and ground-truth segments
   • The number of images in the dataset
   • The speed of inference
   • The fraction of classes that are things
6. ¿Qué arquitectura moderna maneja tanto cosas como elementos en un modelo unificado basado en consultas?
   • JPEG
   • Mask2Ex
   • ResNet-18 solo
   • Un filtro basado en reglas
7. How is Panoptic Quality (PQ) decomposed in the original formulation?
   • As image resolution multiplied by object count
   • As precision plus recall only
   • As segmentation quality multiplied by recognition quality
   • As frame rate divided by latency
8. Why can a single PQ score conceal useful diagnostic information?
   • PQ measures only image brightness
   • PQ excludes stuff classes
   • PQ is not computed from predictions
   • Segmentation and recognition errors can contribute differently to the aggregate