Quiz lié à un guide · Moyen Niveau

Quiz de reconnaissance d'action

Découvrez comment les modèles de reconnaissance d'action vidéo utilisent des preuves temporelles, des représentations de mouvement et des convolutions spatio-temporelles.

Chemins de guidage associésReconnaissance des actions
Question 1 de 8

Qu’est-ce qui distingue fondamentalement la reconnaissance d’actions de la classification d’images ordinaire ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Qu’est-ce qui distingue fondamentalement la reconnaissance d’actions de la classification d’images ordinaire ?
    • Il raisonne sur la façon dont les pixels changent au fil du temps, pas seulement sur une seule image.
    • Il utilise des images plus grandes
    • Cela ne fonctionne que sur les vidéos en noir et blanc
    • Il ne nécessite aucune donnée de formation
  2. Dans un réseau classique de reconnaissance d’actions à deux flux, que traite généralement le deuxième flux ?
    • Formes d'onde audio
    • Flux optique représentant le mouvement
    • Légendes de texte
    • Coordonnées GPS
  3. Qu'apporte une convolution 3D par rapport à une convolution 2D standard ?
    • Canaux de couleur
    • Résolution d'image plus élevée
    • Un axe temporel (temps) pour que les filtres s'étendent sur plusieurs images
    • Une taille de lot plus grande
  4. Quelle est l'astuce « inflation » utilisée par le modèle I3D ?
    • Augmenter la luminosité de la vidéo
    • Ajouter plus de calques au hasard
    • Compresser le fichier vidéo
    • Extension des poids du réseau d'images 2D en 3D en les répliquant dans le temps
  5. Pourquoi l'ensemble de données Something-Something est-il remarquable pour la reconnaissance des actions ?
    • Cela oblige les modèles à comprendre la direction temporelle plutôt que de s'appuyer sur le contexte de la scène.
    • Il ne contient que des vidéos d'animaux
    • Il n'a pas d'étiquette
    • Il est composé d'images uniques
  6. Quelle technique aide les modèles de reconnaissance d’actions à apprendre à partir d’une vidéo non étiquetée ?
    • Étiquetage manuel image par image
    • Modélisation vidéo masquée auto-supervisée
    • Suppression de toutes les données de mouvement
    • Utiliser uniquement l'audio
  7. How many action-template classes did the initial Something-Something dataset paper describe?
    • 17 classes
    • 1,740 classes
    • 174 classes
    • 17,400 classes
  8. What pretraining strategy does VideoMAE use?
    • Training only on single labeled frames
    • Replacing video with a text transcript
    • Predicting optical flow without reconstructing masked content
    • Masking a high proportion of video tokens and reconstructing them from visible tokens