Kuis Anyaman Gambar

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang diwakili oleh alpha matte dalam mattingan gambar?
   • Kecerahan setiap piksel
   • Kedalaman setiap piksel
   • Label kategori objek
   • Opasitas (fraksi latar depan) setiap piksel antara 0 dan 1
2. Apa perbedaan mendasar antara matting dan segmentasi biner?
   • Anyaman hanya berfungsi di video
   • Anyaman memperkirakan opasitas fraksional untuk tepian lembut, bukan hanya topeng keras
   • Anyaman hanya menghasilkan masker keras 0/1
   • Anyaman mengabaikan informasi warna
3. Apa itu trimap pada anyaman klasik?
   • Filter foto tiga warna
   • Keluaran sensor kedalaman
   • Peta yang menandai latar depan tertentu, latar belakang tertentu, dan wilayah yang tidak diketahui
   • Jenis lensa kamera
4. Persamaan pengomposisian I = alpha*F + (1 - alpha)*B tidak dapat ditentukan karena:
   • Ada lebih banyak hal yang tidak diketahui daripada tiga nilai RGB per piksel yang diketahui
   • Tidak ada solusi yang pernah ada
   • Alpha selalu tepat 0,5
   • Latar depan dan latar belakang identik
5. Apa yang menonjol dari model seperti MODNet dan Robust Video Matting?
   • Mereka membutuhkan trimap yang digambar tangan untuk setiap frame
   • Mereka melakukan anyaman tanpa trimap, seringkali dalam waktu nyata
   • Mereka hanya bekerja pada gambar hitam-putih
   • Mereka menghasilkan jerat 3D
6. Kerugian manakah yang biasanya dikombinasikan dengan kesalahan prediksi alfa pada deep matting?
   • Hilangnya pengenalan ucapan
   • Hadiah penguatan
   • Klasifikasi entropi silang pada label
   • Kehilangan komposisi yang memadukan kembali prediksi dan membandingkannya dengan gambar aslinya
7. Why might a deep matting network include a refinement stage after an initial alpha prediction?
   • To improve fine boundaries such as hair that a coarse prediction may miss
   • To replace every fractional alpha with a hard label
   • To discard the foreground color before compositing
   • To force all background pixels to become foreground
8. Which video-conferencing operation directly uses a predicted alpha matte?
   • Estimating the participant's spoken words from the waveform
   • Selecting an audio codec for the microphone
   • Blending a participant with a replacement background along soft edges
   • Assigning the call's network packets to a router