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.
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.
- 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
- 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
- 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
- Quale set di dati è ampiamente utilizzato per l'addestramento e la valutazione dei sottotitoli delle immagini?
- MNIST
- WikiTesto
- LibriSpeech
- MS COCO
- 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
- 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
- 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
- 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