Quiz lié à un guide · Moyen Niveau

Quiz sur l'estimation de la pose humaine

Examinez les points clés des poses 2D, les pipelines descendants et ascendants, les champs d'affinité des pièces et ce que les estimations du plan image ne peuvent pas établir.

Chemins de guidage associésEstimation de la pose humaine
Question 1 de 8

Qu’est-ce que l’estimation de la pose humaine détecte principalement ?

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 que l’estimation de la pose humaine détecte principalement ?
    • Les positions des articulations du corps ou des points clés
    • Les couleurs des vêtements
    • Le nom de la personne
    • La taille du fichier image
  2. Comment fonctionnent les méthodes d’estimation de pose descendante ?
    • Ils détectent toutes les articulations d’un coup, puis les regroupent
    • Ils détectent d'abord chaque personne, puis trouvent les joints à l'intérieur de la boîte.
    • Ils n'utilisent jamais de boîtes englobantes
    • Ils ne fonctionnent que sur un seul joint statique
  3. What does OpenPose predict to estimate body-part locations?
    • A direct 3D skeleton with depth
    • A single bounding box per frame
    • Confidence maps for candidate body-part locations
    • A sequence of spoken joint names
  4. What step does the OpenPose parser use to associate candidate body parts into full poses?
    • A face-recognition classifier
    • A top-down detector for every limb
    • A language-model prompt
    • A set of bipartite matchings scored with Part Affinity Fields
  5. What failure mode of top-down pose estimation does the OpenPose paper discuss in crowded scenes?
    • A person detector may miss people close together, and the pose stage cannot recover them
    • It always detects more people than are present
    • It cannot estimate any 2D keypoints
    • It requires a 3D depth camera
  6. Which additional keypoint groups did the OpenPose paper include in its system?
    • Only facial landmarks
    • Body, foot, hand and facial keypoints
    • A 3D skeleton with medical diagnoses
    • Only fingertip positions
  7. What information do Part Affinity Fields encode to connect keypoints?
    • A person’s identity from face recognition
    • Depth in meters for every body joint
    • Vectors indicating limb position and orientation across the image
    • The camera exposure settings
  8. What can a 2D pose model conclude directly from image keypoints?
    • A person’s medical diagnosis
    • Exact real-world joint depth without additional information
    • The person’s intentions
    • Approximate joint locations in image coordinates