DINO 자가 증류 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. DINO의 'NO'는 무엇을 의미하나요?
   • 라벨 없음
   • 옵티마이저 없음
   • 신경 출력
   • 정규화된 목표
2. DINO에서 교사 네트워크의 가중치는 어떻게 업데이트됩니까?
   • 손실에 대한 직접 경사하강법
   • 각 단계마다 무작위로
   • 학생 가중치의 지수 이동 평균
   • 사전 훈련된 모델에서 동결됩니다.
3. 교사 출력을 센터링하고 선명하게 하면 어떤 문제를 예방할 수 있나요?
   • GPU 과열
   • 일정한 출력으로 모드 축소
   • 느린 데이터 로딩
   • 색상 왜곡
4. DINO의 다작 전략에서 교사는 어떤 견해를 얻습니까?
   • 소규모 지역 작물 만
   • 무작위 노이즈 패치
   • 그레이스케일 버전만 해당
   • 전 세계 작물 만
5. What emergent property did the original DINO study observe in vision-transformer attention maps?
   • Every map reconstructs an exact depth measurement
   • Some maps highlight object structure without segmentation-label training
   • Attention is trained directly on human-drawn masks
   • All heads produce perfect object boundaries on every image
6. How did DINOv2 extend the visual-feature approach of the original DINO?
   • It scaled self-supervised training with curated data for transferable visual features
   • It replaced visual inputs with text-only training
   • It required segmentation labels for all pretraining images
   • It removed the student-teacher learning approach entirely
7. In DINO training, which network receives gradients from the student-teacher cross-entropy objective?
   • Only the teacher, while the student stays frozen
   • Both networks through the same backpropagation update
   • Neither network because the outputs are fixed labels
   • The student, while teacher parameters follow a moving average
8. What does using DINOv2 as a frozen backbone mean for a downstream task?
   • It must be retrained from scratch for every input image
   • No task-specific output component can be attached
   • Its pretrained feature-extractor weights remain fixed while task-specific components use its features
   • The pretrained features can only reproduce the original training images