Quiz lié à un guide · Facile Niveau

Quiz sur les sous-titres d’images

Examinez les pipelines de sous-titres d’images, l’attention, les annotations COCO et les mesures d’évaluation, tout en reconnaissant les risques d’hallucination des objets.

Chemins de guidage associésSous-titrage des images
Question 1 de 8

Que produit un système de sous-titrage d’images en sortie ?

Prévisualisez chaque question8 des questions

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

  1. Que produit un système de sous-titrage d’images en sortie ?
    • Une description en langage naturel de l'image
    • Une version plus haute résolution de l'image
    • Une liste de coordonnées de pixels uniquement
    • Un fichier compressé de l'image
  2. Dans un pipeline de sous-titrage classique, quel rôle joue l’encodeur visuel ?
    • Il écrit la phrase finale mot par mot
    • Il extrait les représentations de caractéristiques de l'image
    • Il traduit les légendes entre les langues
    • Il note la grammaire de la légende
  3. Pourquoi l’attention est-elle utile dans le sous-titrage d’images ?
    • Il compresse l'image pour économiser du stockage
    • Cela supprime le besoin de données de formation
    • Il permet au modèle de se concentrer sur les régions d'image pertinentes pour chaque mot
    • Il convertit la légende en audio
  4. Quel ensemble de données est largement utilisé pour la formation et l’évaluation du sous-titrage d’images ?
    • MNIST
    • Texte Wiki
    • LibriDiscours
    • MS COCO
  5. Qu'est-ce que cela signifie pour un décodeur de sous-titres de générer des mots « de manière autorégressive » ?
    • Il prédit chaque mot en utilisant l'image et les mots générés jusqu'à présent
    • Il produit tous les mots simultanément
    • Il ne génère qu'un seul mot par image
    • Il régresse l'image en pixels
  6. Un mode d'échec courant des modèles de sous-titrage connu sous le nom d'« hallucination » fait référence à quoi ?
    • Produire des sous-titres trop courts
    • Décrire des objets qui ne sont pas réellement dans l'image
    • Traduction incorrecte des légendes
    • Fonctionnement trop lent sur de grandes images
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams