Quiz collegato alla guida · Medio Livello
Quiz sul riconoscimento delle azioni
Scopri come i modelli di riconoscimento dell'azione video utilizzano prove temporali, rappresentazioni di movimento e convoluzioni spaziotemporali.
Domanda 1 di 8
Cosa distingue fondamentalmente il riconoscimento delle azioni dalla normale classificazione delle immagini?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa distingue fondamentalmente il riconoscimento delle azioni dalla normale classificazione delle immagini?
- Ragiona su come i pixel cambiano nel tempo, non solo su un singolo fotogramma
- Utilizza immagini più grandi
- Funziona solo su video in bianco e nero
- Non richiede dati di addestramento
- In una classica rete di riconoscimento delle azioni a due flussi, cosa elabora tipicamente il secondo flusso?
- Forme d'onda audio
- Flusso ottico che rappresenta il movimento
- Didascalie di testo
- Coordinate GPS
- Cosa aggiunge una convoluzione 3D rispetto a una convoluzione 2D standard?
- Canali di colore
- Maggiore risoluzione dell'immagine
- Un asse temporale (tempo) in modo che i filtri si estendano su più fotogrammi
- Una dimensione del lotto più grande
- Qual è il trucco dell'inflazione utilizzato dal modello I3D?
- Aumento della luminosità del video
- Aggiunta di più livelli in modo casuale
- Compressione del file video
- Espansione dei pesi della rete di immagini 2D in 3D replicandoli nel tempo
- Perché il set di dati Something-Something è importante per il riconoscimento delle azioni?
- Costringe i modelli a comprendere la direzione temporale piuttosto che fare affidamento sul contesto della scena
- Contiene solo video di animali
- Non ha etichette
- È composto da singole immagini
- Quale tecnica aiuta i modelli di riconoscimento delle azioni ad apprendere dai video senza etichetta?
- Etichettatura manuale fotogramma per fotogramma
- Modellazione video mascherata autosupervisionata
- Eliminazione di tutti i dati di movimento
- Utilizzando solo l'audio
- How many action-template classes did the initial Something-Something dataset paper describe?
- 17 classes
- 1,740 classes
- 174 classes
- 17,400 classes
- What pretraining strategy does VideoMAE use?
- Training only on single labeled frames
- Replacing video with a text transcript
- Predicting optical flow without reconstructing masked content
- Masking a high proportion of video tokens and reconstructing them from visible tokens