Cuestionario vinculado a una guía · Medio Nivel

Prueba de modelo de segmentación de cualquier cosa

Comprender la segmentación rápida de imágenes y videos a través del SAM original y su extensión SAM 2 posterior, métodos de datos y memoria.

Rutas de guía relacionadasSegmentar cualquier modelo
Pregunta 1 de 8

¿Qué idea central convierte a SAM en un "modelo básico" para la segmentación?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué idea central convierte a SAM en un "modelo básico" para la segmentación?
    • Trata la segmentación como una tarea programable que se generaliza a objetos invisibles.
    • Solo funciona en caras
    • Requiere reentrenamiento para cada nueva imagen.
    • Genera cuadros delimitadores, nunca máscaras.
  2. ¿Aproximadamente qué tamaño tiene el conjunto de datos SA-1B utilizado para entrenar SAM?
    • Alrededor de 1.000 máscaras
    • Más de mil millones de máscaras en 11 millones de imágenes
    • Alrededor de 1 millón de máscaras
    • Exactamente 50.000 mascarillas
  3. ¿Por qué SAM divide su arquitectura en un codificador de imágenes pesado y un codificador/decodificador de avisos liviano?
    • Para hacer imposible el entrenamiento
    • Para evitar el uso de redes neuronales.
    • Por lo tanto, una imagen incrustada se puede reutilizar para muchas indicaciones interactivas en tiempo real.
    • Porque las máscaras se calculan únicamente en la CPU
  4. ¿Cómo maneja SAM un mensaje ambiguo, como un solo clic que podría significar varios objetos?
    • Se niega a generar nada.
    • Siempre elige el objeto más grande.
    • Le pide al usuario que escriba una descripción.
    • Predice múltiples máscaras válidas y las clasifica según su confianza.
  5. ¿Qué tipo de red troncal utiliza SAM para codificar la imagen de entrada?
    • Un transformador de visión (ViT)
    • Una red neuronal recurrente
    • Un árbol de decisiones
    • Una máquina de vectores de soporte
  6. ¿Qué capacidad importante añadió SAM 2 en 2024?
    • Transcripción de audio
    • Segmentación y seguimiento de objetos en fotogramas de vídeo
    • Generando leyendas de texto
    • soporte de impresión 3D
  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