खंड कुछ भी मॉडल प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. कौन सा मूल विचार एसएएम को विभाजन के लिए 'आधार मॉडल' बनाता है?
   • यह विभाजन को एक त्वरित कार्य के रूप में मानता है जो अनदेखी वस्तुओं का सामान्यीकरण करता है
   • यह केवल चेहरों पर काम करता है
   • प्रत्येक नई छवि के लिए पुनः प्रशिक्षण की आवश्यकता होती है
   • यह बाउंडिंग बॉक्स आउटपुट करता है, मास्क कभी नहीं
2. SAM को प्रशिक्षित करने के लिए उपयोग किया जाने वाला SA-1B डेटासेट मोटे तौर पर कितना बड़ा है?
   • लगभग 1,000 मुखौटे
   • 11 मिलियन छवियों में 1 बिलियन से अधिक मुखौटे
   • लगभग 1 मिलियन मास्क
   • बिल्कुल 50,000 मास्क
3. एसएएम अपने आर्किटेक्चर को एक भारी छवि एनकोडर और एक हल्के प्रॉम्प्ट एनकोडर/डिकोडर में क्यों विभाजित करता है?
   • प्रशिक्षण को असंभव बनाना
   • किसी भी तंत्रिका नेटवर्क का उपयोग करने से बचने के लिए
   • इसलिए एक छवि एम्बेडिंग का वास्तविक समय में कई इंटरैक्टिव संकेतों के लिए पुन: उपयोग किया जा सकता है
   • क्योंकि मास्क की गणना सीपीयू पर ही की जाती है
4. एसएएम एक अस्पष्ट संकेत को कैसे संभालता है, जैसे एक क्लिक जिसका मतलब कई ऑब्जेक्ट हो सकता है?
   • यह कुछ भी आउटपुट करने से इंकार करता है
   • यह हमेशा सबसे बड़ी वस्तु चुनता है
   • यह उपयोगकर्ता से विवरण टाइप करने के लिए कहता है
   • यह कई वैध मुखौटों की भविष्यवाणी करता है और उन्हें विश्वास के आधार पर रैंक करता है
5. एसएएम इनपुट छवि को एन्कोड करने के लिए किस प्रकार की बैकबोन का उपयोग करता है?
   • एक विज़न ट्रांसफार्मर (ViT)
   • एक आवर्ती तंत्रिका नेटवर्क
   • एक निर्णय वृक्ष
   • एक सपोर्ट वेक्टर मशीन
6. 2024 में एसएएम 2 ने कौन सी प्रमुख क्षमता जोड़ी?
   • ऑडियो प्रतिलेखन
   • वीडियो फ़्रेमों में वस्तुओं को विभाजित करना और ट्रैक करना
   • टेक्स्ट कैप्शन जनरेट करना
   • 3डी प्रिंटिंग समर्थन
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