Quiz collegato alla guida · Medio Livello

DepthAnything Quiz sulla profondità monoculare

Rivedi il motore dati insegnante-studente di Depth Anything, il codificatore DINOv2, gli output di profondità relativa e i miglioramenti dei dati sintetici nella V2.

Percorsi guida correlatiDepthanything Profondità monoculare
Domanda 1 di 8

Cosa significa stima della profondità "monoculare"?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa significa stima della profondità "monoculare"?
    • Previsione della profondità da una singola immagine
    • Utilizzo di due telecamere per la visione stereo
    • Utilizzando un sensore LiDAR
    • Misurare la profondità con le onde sonore
  2. Qual è stata la strategia principale di DepthAnything per ottenere una forte generalizzazione?
    • Etichettatura manuale di un piccolo set di dati di alta qualità
    • Formazione su circa 62 milioni di immagini senza etichetta con etichetta automatica
    • Utilizzando solo dati sintetici del motore di gioco
    • Affidarsi a coppie di telecamere stereo
  3. Su quale codificatore backbone si basa DepthAnything?
    • Una CNN ResNet-18
    • Una rete LSTM ricorrente
    • Il trasformatore di visione DINov2
    • Un rilevatore YOLO
  4. Che tipo di profondità produce principalmente il DepthAnything originale?
    • Distanza esatta in metri
    • Solo primo piano/sfondo binario
    • Coordinate GPS
    • Profondità relativa (più vicino vs. più lontano)
  5. In che modo DepthAnything V2 ha migliorato i dettagli e i bordi?
    • Formando l'insegnante su dati sintetici con perfetta verità fondativa, quindi distillando
    • Aggiungendo etichette più rumorose
    • Rimuovendo l'encoder del trasformatore
    • Utilizzando input a risoluzione inferiore
  6. Quale applicazione NON è l'uso tipico delle mappe di profondità monoculari?
    • Sfocatura dello sfondo in modalità ritratto
    • Crittografia del traffico di rete
    • Condizionamento della profondità ControlNet
    • Conversione di foto da 2D a 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models