스윈 트랜스포머 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Swin Transformer의 'Swin'은 무엇을 의미하나요?
   • 이동된 창
   • 부드러운 창
   • 공간 굴곡
   • 단일 창
2. What positional information does Swin add within each local attention window?
   • Absolute word embeddings from a text tokenizer
   • A learnable relative-position bias
   • A global convolution kernel shared across all windows
   • A class-specific bounding-box regression target
3. Swin은 정보가 별도의 창 간에 어떻게 이동하도록 합니까?
   • 반복 연결을 사용합니다.
   • 창 경계를 완전히 삭제합니다.
   • 교대 레이어에서 창 파티션을 이동합니다.
   • 단일 전역 창만 사용합니다.
4. 패치 병합 레이어는 Swin 단계 간에 무엇을 수행합니까?
   • 해상도를 높이고 채널을 제거하세요.
   • 패치를 무작위로 삭제
   • 패치를 단어로 번역
   • 인접한 패치를 병합하여 해상도를 줄이고 채널을 늘립니다.
5. Swin의 계층적, 다중 규모 출력이 특히 유용한 이유는 무엇입니까?
   • 기능 피라미드를 기대하는 탐지 및 세분화 프레임워크에 깔끔하게 연결됩니다.
   • 단일 라벨 분류에만 도움이 됩니다.
   • 라벨이 붙은 데이터가 필요하지 않습니다.
   • CNN보다 모델을 더 작게 만듭니다.
6. How does Swin’s attention pattern differ from standard ViT attention?
   • Swin has no attention mechanism
   • Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
   • ViT uses only local convolutions
   • Both always use identical global attention
7. What scaling property does fixed-size window attention provide in Swin?
   • It is independent of image resolution
   • It becomes quadratic in channel count only
   • Attention computation grows linearly with image size for fixed window size
   • It removes all attention computation
8. Why does shifted-window attention use a mask after the cyclic shift?
   • To force every patch to attend to every image patch
   • To remove all positional information
   • To convert window attention into a convolution
   • To prevent tokens from attending across boundaries that should remain separate windows