Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Maszkos automatikus kódolók kvíz
Review MAE’s high-mask image reconstruction task, its asymmetric encoder-decoder design, and the paper’s evaluated pretraining setup.
kérdés 1 -ból 8
Mi az alapvető önfelügyelt feladat egy maszkolt automatikus kódolóban?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi az alapvető önfelügyelt feladat egy maszkolt automatikus kódolóban?
- Az elrejtett foltok képpontjainak rekonstrukciója
- Minden kép besorolása egy címkézett kategóriába
- A következő képkocka előrejelzése egy videósorozatban
- Kép illesztése a felirathoz
- Nagyjából a képfoltok hány részét takarja el az eredeti MAE?
- kb 15%
- kb 75%
- kb 35%
- kb 95%
- Miért csak a látható (nem maszkolt) foltokat dolgozza fel a MAE kódoló?
- Mivel a maszkos foltok nem tartalmaznak hasznos színt
- Megakadályozni, hogy a modell valaha is valódi képeket lásson
- Az edzés gyorsabbá és hatékonyabbá tétele érdekében
- Mivel a dekóder nem tudja olvasni a pozíciókódolást
- Mi történik a dekóderrel a MAE előképzés befejezése után?
- Ez lesz a fő osztályozó
- Lefagy, és új képek generálására használják
- Teljesen lecseréli a kódolót
- Eldobják; a kódolót downstream feladatokhoz használják
- Melyik veszteségfüggvényt használja jellemzően a MAE a rekonstrukcióhoz?
- Átlagos négyzetes hiba a maszkolt patch képpontokon
- Keresztentrópia az osztálycímkék felett
- Kontrasztív InfoNCE veszteség
- A kontradiktórius diszkriminátor elvesztése
- A MAE „aszimmetrikus” kialakítása mire utal?
- Különböző képméretek a bemenethez és a kimenethez
- Nehéz kódoló egy könnyű dekóderrel párosítva
- Két külön adatkészlet használata a képzéshez
- Minden képnek csak a bal felét takarja el
- On which large image dataset did the original MAE paper pretrain its main vision models?
- MS COCO Captions only
- LibriSpeech
- ImageNet-1K
- The Netflix Prize ratings set
- What does the MAE decoder receive for image patches hidden from the encoder?
- The original RGB pixels without masking
- Only class labels from ImageNet
- A text caption for the image
- Learned mask tokens with positional embeddings