Quiz lié à un guide · Difficile Niveau

Quiz sur le transformateur Swin

Vérifiez l'attention des fenêtres décalées, la communication entre fenêtres, les fonctionnalités hiérarchiques, la fusion de correctifs et les applications de tâches de vision dans Swin.

Chemins de guidage associésTransformateur Swin
Question 1 de 8

Que signifie le « Swin » dans Swin Transformer ?

Prévisualisez chaque question8 des questions

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

  1. Que signifie le « Swin » dans Swin Transformer ?
    • Fenêtres décalées
    • Fenêtre lisse
    • Enroulement spatial
    • Guichet unique
  2. 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
  3. Comment Swin permet-il aux informations de circuler entre des fenêtres distinctes ?
    • Il utilise des connexions récurrentes
    • Il supprime entièrement les limites de la fenêtre
    • Il déplace la partition de la fenêtre en couches alternées
    • Il n'utilise qu'une seule fenêtre globale
  4. Que font les couches de fusion de patchs entre les étapes Swin ?
    • Augmentez la résolution et supprimez des chaînes
    • Déposez des correctifs au hasard
    • Traduire les patchs en mots
    • Fusionner les correctifs voisins, réduisant ainsi la résolution et augmentant les canaux
  5. Pourquoi la sortie hiérarchique et multi-échelle de Swin est-elle particulièrement utile ?
    • Il s'intègre parfaitement aux cadres de détection et de segmentation qui attendent des pyramides de fonctionnalités
    • Cela n'aide qu'avec la classification en une seule étiquette
    • Cela supprime le besoin de données étiquetées
    • Cela rend le modèle plus petit que n'importe quel CNN
  6. 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
  7. 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
  8. 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