ガイド連動クイズ · 簡単 レベル

画像キャプションクイズ

物体幻覚のリスクを認識しながら、画像キャプションのパイプライン、注意力、COCO アノテーション、評価尺度を確認します。

関連するガイドパス画像のキャプション
質問 1 の 8

画像キャプション システムは出力として何を生成しますか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. 画像キャプション システムは出力として何を生成しますか?
    • 画像の自然言語による説明
    • 画像の高解像度バージョン
    • ピクセル座標のみのリスト
    • 画像の圧縮ファイル
  2. 従来のキャプション パイプラインでは、ビジュアル エンコーダーはどのような役割を果たしますか?
    • 最終文を一語一語書きます
    • 画像から特徴表現を抽出します
    • 言語間でキャプションを翻訳します
    • キャプションの文法を採点します
  3. 画像キャプションに注意が役立つのはなぜですか?
    • 画像を圧縮してストレージを節約します
    • トレーニング データが不要になります
    • これにより、モデルは各単語に関連する画像領域に焦点を当てることができます。
    • キャプションを音声に変換します
  4. 画像キャプションのトレーニングと評価に広く使用されているデータセットはどれですか?
    • MNIST
    • ウィキテキスト
    • リブスピーチ
    • MS ココ
  5. キャプションデコーダーが単語を「自己回帰的に」生成することは何を意味しますか?
    • これまでに生成された画像と単語を使用して各単語を予測します
    • すべての単語を同時に生成します
    • 画像ごとに 1 つの単語のみを出力します
    • 画像をピクセルに戻します
  6. 「幻覚」として知られるキャプション モデルの一般的な障害モードは何を指しますか?
    • 短すぎるキャプションの作成
    • 実際には画像にないオブジェクトの説明
    • キャプションの誤った翻訳
    • 大きな画像では動作が遅すぎる
  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