स्विन ट्रांसफार्मर प्रश्नोत्तरी

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

1. स्विन ट्रांसफार्मर में 'स्विन' का क्या अर्थ है?
   • विंडोज़ को स्थानांतरित कर दिया गया
   • चिकनी खिड़की
   • स्थानिक घुमावदार
   • सिंगल विंडो
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. स्विन अलग-अलग विंडो के बीच जानकारी को कैसे स्थानांतरित होने देता है?
   • यह आवर्ती कनेक्शन का उपयोग करता है
   • यह विंडो की सीमाओं को पूरी तरह से हटा देता है
   • यह विंडो विभाजन को वैकल्पिक परतों में स्थानांतरित करता है
   • यह केवल एकल वैश्विक विंडो का उपयोग करता है
4. स्वाइन चरणों के बीच पैच-मर्जिंग परतें क्या करती हैं?
   • रिज़ॉल्यूशन बढ़ाएँ और चैनल हटाएँ
   • बेतरतीब ढंग से पैच गिराएँ
   • पैच का शब्दों में अनुवाद करें
   • पड़ोसी पैच को मर्ज करें, रिज़ॉल्यूशन कम करें और चैनल बढ़ाएं
5. स्विन का पदानुक्रमित, बहु-स्तरीय आउटपुट विशेष रूप से उपयोगी क्यों है?
   • यह बड़े करीने से पता लगाने और विभाजन ढांचे में प्लग करता है जो फीचर पिरामिड की अपेक्षा करता है
   • यह केवल एकल-लेबल वर्गीकरण में सहायता करता है
   • यह लेबल किए गए डेटा की आवश्यकता को हटा देता है
   • यह मॉडल को किसी भी सीएनएन से छोटा बनाता है
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