Cuestionario vinculado a una guía · duro Nivel
Prueba de transformador Swin
Compruebe la atención de ventanas desplazadas, la comunicación entre ventanas, las funciones jerárquicas, la combinación de parches y las aplicaciones de tareas de visión en Swin.
Pregunta 1 de 8
¿Qué significa 'Swin' en Swin Transformer?
Vista previa de cada pregunta8 preguntas
Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.
- ¿Qué significa 'Swin' en Swin Transformer?
- Ventanas desplazadas
- Ventana Lisa
- Bobinado espacial
- Ventanilla Única
- What positional information does Swin add within each local attention window?
- Absolute word embeddings from a text tokenizer
- A learnable relative-position bias
- A global convolution kernel shared across all windows
- A class-specific bounding-box regression target
- ¿Cómo permite Swin que la información se mueva entre ventanas separadas?
- Utiliza conexiones recurrentes.
- Elimina completamente los límites de la ventana.
- Mueve la partición de la ventana en capas alternas.
- Sólo utiliza una única ventana global.
- ¿Qué hacen las capas de fusión de parches entre las etapas de Swin?
- Aumentar la resolución y eliminar canales.
- Soltar parches aleatoriamente
- Traducir parches en palabras
- Fusionar parches vecinos, reducir la resolución y aumentar los canales
- ¿Por qué es especialmente útil la producción jerárquica y multiescala de Swin?
- Se integra perfectamente en los marcos de detección y segmentación que esperan pirámides de funciones.
- Sólo ayuda con la clasificación de una sola etiqueta.
- Elimina la necesidad de datos etiquetados.
- Hace que el modelo sea más pequeño que cualquier CNN.
- How does Swin’s attention pattern differ from standard ViT attention?
- Swin has no attention mechanism
- Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
- ViT uses only local convolutions
- Both always use identical global attention
- What scaling property does fixed-size window attention provide in Swin?
- It is independent of image resolution
- It becomes quadratic in channel count only
- Attention computation grows linearly with image size for fixed window size
- It removes all attention computation
- Why does shifted-window attention use a mask after the cyclic shift?
- To force every patch to attend to every image patch
- To remove all positional information
- To convert window attention into a convolution
- To prevent tokens from attending across boundaries that should remain separate windows