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.
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.
- 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
- 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
- Su quale codificatore backbone si basa DepthAnything?
- Una CNN ResNet-18
- Una rete LSTM ricorrente
- Il trasformatore di visione DINov2
- Un rilevatore YOLO
- 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)
- 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
- 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
- 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
- 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