Quiz lié à un guide · Moyen Niveau

Quiz sur les modèles de segments n'importe quoi

Comprenez la segmentation rapide des images et des vidéos via le SAM d'origine et ses méthodes d'extension, de données et de mémoire ultérieures SAM 2.

Chemins de guidage associésSegmenter n'importe quel modèle
Question 1 de 8

Quelle idée fondamentale fait de SAM un « modèle de base » pour la segmentation ?

Prévisualisez chaque question8 des questions

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

  1. Quelle idée fondamentale fait de SAM un « modèle de base » pour la segmentation ?
    • Il traite la segmentation comme une tâche incitative qui se généralise aux objets invisibles.
    • Cela ne fonctionne que sur les visages
    • Cela nécessite un recyclage pour chaque nouvelle image
    • Il génère des cadres de délimitation, jamais de masques
  2. Quelle est la taille approximative de l'ensemble de données SA-1B utilisé pour entraîner SAM ?
    • Environ 1 000 masques
    • Plus d'un milliard de masques sur 11 millions d'images
    • Environ 1 million de masques
    • Exactement 50 000 masques
  3. Pourquoi SAM divise-t-il son architecture en un encodeur d'image lourd et un encodeur/décodeur d'invite léger ?
    • Rendre la formation impossible
    • Pour éviter d'utiliser des réseaux de neurones
    • Ainsi, une intégration d'image peut être réutilisée pour de nombreuses invites interactives en temps réel
    • Parce que les masques sont calculés uniquement sur le processeur
  4. Comment SAM gère-t-il une invite ambiguë, comme un simple clic pouvant désigner plusieurs objets ?
    • Il refuse de sortir quoi que ce soit
    • Il choisit toujours le plus gros objet
    • Il demande à l'utilisateur de saisir une description
    • Il prédit plusieurs masques valides et les classe par degré de confiance
  5. Quel type de backbone SAM utilise-t-il pour encoder l’image d’entrée ?
    • Un transformateur de vision (ViT)
    • Un réseau de neurones récurrent
    • Un arbre de décision
    • Une machine à vecteurs de support
  6. Quelle capacité majeure SAM 2 a-t-il ajouté en 2024 ?
    • Transcription audio
    • Segmentation et suivi d'objets sur des images vidéo
    • Générer des légendes de texte
    • Prise en charge de l'impression 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