Quiz collegato alla guida · Facile Livello

Quiz sui sottotitoli delle immagini

Esaminare le condutture dei sottotitoli delle immagini, l'attenzione, le annotazioni COCO e le misure di valutazione, riconoscendo al tempo stesso i rischi di allucinazioni degli oggetti.

Percorsi guida correlatiDidascalie delle immagini
Domanda 1 di 8

Cosa produce come output un sistema di didascalia delle immagini?

Anteprima di ogni domanda8 domande

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

  1. Cosa produce come output un sistema di didascalia delle immagini?
    • Una descrizione in linguaggio naturale dell'immagine
    • Una versione ad alta risoluzione dell'immagine
    • Un elenco solo di coordinate pixel
    • Un file compresso dell'immagine
  2. In una pipeline di sottotitoli classica, che ruolo gioca il codificatore visivo?
    • Scrive la frase finale parola per parola
    • Estrae le rappresentazioni delle caratteristiche dall'immagine
    • Traduce i sottotitoli tra le lingue
    • Valuta la grammatica della didascalia
  3. Perché l'attenzione è utile nella didascalia delle immagini?
    • Comprime l'immagine per risparmiare spazio di archiviazione
    • Elimina la necessità di dati di addestramento
    • Consente al modello di concentrarsi sulle regioni dell'immagine rilevanti per ciascuna parola
    • Converte la didascalia in audio
  4. Quale set di dati è ampiamente utilizzato per l'addestramento e la valutazione dei sottotitoli delle immagini?
    • MNIST
    • WikiTesto
    • LibriSpeech
    • MS COCO
  5. Cosa significa per un decodificatore di sottotitoli generare parole in modo "autoregressivo"?
    • Predice ogni parola utilizzando l'immagine e le parole generate fino a quel momento
    • Produce tutte le parole contemporaneamente
    • Emette solo una singola parola per immagine
    • Regredisce l'immagine ai pixel
  6. Una modalità di fallimento comune dei modelli di sottotitoli nota come "allucinazione" a cosa si riferisce?
    • Produrre didascalie troppo brevi
    • Descrivere oggetti che non sono effettivamente presenti nell'immagine
    • Traduzione errata dei sottotitoli
    • Esecuzione troppo lenta su immagini di grandi dimensioni
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams