Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Szegmentál bármit modell kvíz

Ismerje meg a kérhető kép- és videószegmentálást az eredeti SAM és a későbbi SAM 2 bővítmény, valamint adat- és memóriamódszerek révén.

Kapcsolódó útmutató utakBármilyen modell szegmentálása
kérdés 1 -ból 8

Milyen alapötlet teszi a SAM-ot a szegmentálás „alapmodelljévé”?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen alapötlet teszi a SAM-ot a szegmentálás „alapmodelljévé”?
    • A szegmentálást olyan kérhető feladatként kezeli, amely nem látott objektumokra általánosít
    • Csak az arcokon működik
    • Minden új képhez átképzés szükséges
    • Határoló dobozokat ad ki, soha nem maszkokat
  2. Körülbelül mekkora a SAM betanításához használt SA-1B adatkészlet?
    • Körülbelül 1000 maszk
    • Több mint 1 milliárd maszk 11 millió képen
    • Körülbelül 1 millió maszk
    • Pontosan 50 000 maszk
  3. Miért osztja fel a SAM az architektúráját egy nehéz képkódolóra és egy könnyű prompt kódolóra/dekódolóra?
    • Lehetetlenné tenni az edzést
    • Neurális hálózatok használatának elkerülése érdekében
    • Így egy képbeágyazás újra felhasználható számos interaktív prompthoz valós időben
    • Mivel a maszkokat csak a CPU számítja ki
  4. Hogyan kezeli a SAM egy kétértelmű felszólítást, például egyetlen kattintást, amely több objektumot is jelenthet?
    • Nem hajlandó semmit kiadni
    • Mindig a legnagyobb tárgyat választja
    • Megkéri a felhasználót, hogy írja be a leírást
    • Több érvényes maszkot is megjósol, és megbízhatóság alapján rangsorolja őket
  5. Milyen típusú gerincet használ a SAM a bemeneti kép kódolásához?
    • A Vision Transformer (ViT)
    • Egy visszatérő neurális hálózat
    • Egy döntési fa
    • Egy támogató vektor gép
  6. Milyen főbb képességekkel bővült a SAM 2 2024-ben?
    • Hang átírása
    • Objektumok szegmentálása és követése videókockákon keresztül
    • Szöveges feliratok generálása
    • 3D nyomtatás támogatása
  7. Milyen szerepet játszott az adatmotor az eredeti SAM projektben?
    • A képkódolót csak szöveges modellre cserélte
    • Automatikusan ellenőrizte, hogy minden maszk orvosilag helyes-e
    • Az SA-1B felépítéséhez iteratív módon kombinálta a modell-segített annotációt és az emberi annotációt
    • Címkéket generált emberi vagy modell segítsége nélkül
  8. Hogyan használja a SAM 2 a memóriát a videó szegmentálásához?
    • Minden egyes feldolgozás után eldobja az összes képkockát
    • Csak videó szintű osztálycímkét jósol
    • Lecseréli a promptot egy hangátiratra
    • A korábbi keretekből származó információkat tárolja, hogy segítsen szegmentálni az objektumot a későbbi keretekben