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.

Percorsi guida correlatiRiconoscimento dell'azione
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. How many action-template classes did the initial Something-Something dataset paper describe?
    • 17 classes
    • 1,740 classes
    • 174 classes
    • 17,400 classes
  8. 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