Kuis Estimasi Kedalaman Difusi Marigold

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Model terlatih apa yang dibuat oleh Marigold?
   • Stable Diffusion
   • GPT-4
   • YOLOv8
   • ResNet-50
2. Bagaimana Marigold menyusun tugas estimasi kedalaman?
   • Sebagai masalah klasifikasi
   • Sebagai pembuatan peta kedalaman bersyarat
   • Sebagai pembelajaran penguatan
   • Sebagai masalah pengelompokan
3. Apa yang mengejutkan tentang data pelatihan Marigold?
   • Ini menggunakan miliaran pemindaian kedalaman nyata
   • Tidak diperlukan pelatihan sama sekali
   • Itu disempurnakan terutama pada kumpulan data sintetis namun digeneralisasikan ke gambar nyata
   • Itu hanya menggunakan data audio
4. Mengapa Marigold biasanya lebih lambat dibandingkan model kedalaman feed-forward?
   • Ini hanya berjalan pada CPU
   • Ini mengunduh data dari internet setiap saat
   • Ini melatih ulang untuk setiap gambar
   • Ini menggunakan loop pengambilan sampel denoising berulang
5. Di ruang manakah Marigold melakukan proses difusinya?
   • Ruang laten VAE Difusi Stabil
   • Ruang piksel mentah
   • Frekuensi/Ruang Fourier
   • Ruang titik-awan
6. Bagaimana Marigold dapat meningkatkan stabilitas kedalaman di seluruh lintasan?
   • Dengan menurunkan resolusi gambar
   • Dengan menyusun beberapa prediksi sampel
   • Dengan menonaktifkan VAE
   • Dengan mengonversi ke skala abu-abu
7. What does affine-invariant relative depth mean for a Marigold prediction?
   • Every pixel gives exact distance in meters without calibration
   • The output contains color labels instead of depth
   • Depth ordering is useful, but the output's absolute scale and offset need not equal real-world measurements
   • Only the nearest object receives a depth value
8. Which pair of inputs does Marigold encode with the same VAE during its latent diffusion process?
   • The camera pose and a 3D mesh
   • The text prompt and a CLIP score
   • Two stereo images from separate cameras
   • The input image and the depth map