Útmutatóhoz kapcsolódó kvíz · Kemény Szint
Swin Transformer kvíz
Check shifted-window attention, cross-window communication, hierarchical features, patch merging, and vision-task applications in Swin.
kérdés 1 -ból 8
Mit jelent a „Swin” a Swin Transformerben?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit jelent a „Swin” a Swin Transformerben?
- Eltöltött Windows
- Sima ablak
- Térbeli tekercselés
- Egyablakos
- 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
- Hogyan engedi a Swin az információkat a különálló ablakok között?
- Ismétlődő kapcsolatokat használ
- Teljesen törli az ablakhatárokat
- Az ablakpartíciót váltakozó rétegekben tolja el
- Csak egyetlen globális ablakot használ
- Mit csinálnak a foltösszevonó rétegek a Swin szakaszai között?
- Növelje a felbontást és távolítsa el a csatornákat
- Véletlenszerűen ejtse le a foltokat
- Fordítsa le a foltokat szavakra
- Egyesítse a szomszédos javításokat, csökkentve a felbontást és növelve a csatornákat
- Miért különösen hasznos a Swin hierarchikus, többléptékű kimenete?
- Szépen csatlakozik az észlelési és szegmentációs keretrendszerekhez, amelyek jellemző piramisokat várnak el
- Csak az egycímkés osztályozásnál segít
- Megszünteti a címkézett adatok szükségességét
- Ettől a modell kisebb, mint bármelyik CNN
- 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
- 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
- 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