Quiz collegato alla guida · Medio Livello
Quiz sugli autocodificatori mascherati
Esaminare l'attività di ricostruzione dell'immagine a maschera elevata di MAE, il suo design asimmetrico del codificatore-decodificatore e la configurazione di pre-addestramento valutata nel documento.
Domanda 1 di 8
Qual è l'attività autosuperata principale in un Masked Autoencoder?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è l'attività autosuperata principale in un Masked Autoencoder?
- Ricostruire i pixel delle patch che erano nascoste
- Classificare ogni immagine in una categoria etichettata
- Prevedere il fotogramma successivo in una sequenza video
- Abbinare un'immagine alla sua didascalia di testo
- Approssimativamente quale frazione di patch di immagine viene solitamente mascherata dal MAE originale?
- Circa il 15%
- Circa il 75%
- Circa il 35%
- Circa il 95%
- Perché il codificatore MAE elabora solo le patch visibili (non mascherate)?
- Perché i cerotti mascherati non contengono colori utili
- Per evitare che la modella possa mai vedere immagini reali
- Per rendere l'allenamento più veloce e più efficiente in termini di memoria
- Perché il decoder non può leggere le codifiche posizionali
- Cosa succede al decoder una volta completato il preaddestramento MAE?
- Diventa il classificatore principale
- Viene congelato e utilizzato per generare nuove immagini
- Sostituisce completamente l'encoder
- Viene scartato; l'encoder viene utilizzato per le attività a valle
- Quale funzione di perdita utilizza tipicamente MAE per la ricostruzione?
- Errore quadratico medio sui pixel della patch mascherata
- Entropia incrociata sulle etichette di classe
- Perdita contrastiva di InfoNCE
- Perdita del discriminatore contraddittorio
- A cosa si riferisce il design 'asimmetrico' del MAE?
- Diverse dimensioni dell'immagine per input e output
- Un codificatore pesante abbinato a un decoder leggero
- Utilizzo di due set di dati separati per l'addestramento
- Mascherare solo la metà sinistra di ogni immagine
- On which large image dataset did the original MAE paper pretrain its main vision models?
- MS COCO Captions only
- LibriSpeech
- ImageNet-1K
- The Netflix Prize ratings set
- What does the MAE decoder receive for image patches hidden from the encoder?
- The original RGB pixels without masking
- Only class labels from ImageNet
- A text caption for the image
- Learned mask tokens with positional embeddings