테스트 시간 확대 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 추론 시 테스트 시간 확대는 단일 입력으로 무엇을 합니까?
   • 여러 변환된 입력 복사본에 대해 고정 모델을 실행하고 출력 결합
   • 쿼리될 때마다 증강 데이터에 대한 모델 재교육
   • 각 예측 전에 모델 가중치에 노이즈 추가
   • 추론 시 더 빠르게 실행되도록 모델 압축
2. When can pooling predictions from transformed views reduce prediction variance?
   • When every view changes the true class
   • When the transforms preserve the label and the view errors are at least partly uncorrelated
   • When all predictions are identical by design
   • When the model is retrained on each transformed copy
3. TTA를 이용하는데 드는 주요 비용은 얼마인가요?
   • 레이블이 지정된 테스트 데이터가 필요합니다.
   • 훈련된 가중치를 영구적으로 변경합니다.
   • 모델이 샘플당 여러 번 실행되므로 추론 컴퓨팅이 향상됩니다.
   • 깨끗한 입력에서 모델 정확도가 감소합니다.
4. 실제로 숫자 분류기에 해를 끼칠 수 있는 증강 선택은 무엇입니까?
   • 작은 밝기 변화
   • 작은 무작위 작물
   • 약간의 가우스 노이즈 추가
   • '6'을 수평으로 뒤집어 '9'처럼 보이도록 합니다.
5. 세분화에서 TTA 출력을 평균화하기 전에 어떤 추가 단계가 필요합니까?
   • 각 기하학적 변환을 반전시켜 예측된 마스크가 원본 픽셀과 정렬되도록 합니다.
   • 각 뷰에 대한 디코더 재훈련
   • 모든 뒤집힌 보기 삭제
   • 마스크를 경계 상자로 변환
6. For a classification model, what may be aggregated across test-time views?
   • The model’s training labels
   • The predicted probabilities or logits from the views
   • The input image file names
   • The optimizer momentum buffers
7. Does standard test-time augmentation require retraining the model on new labels?
   • Yes; each view needs a newly trained model
   • Yes; it requires extra class labels for every view
   • No; it reuses fixed weights and evaluates transformed inputs at inference
   • No; it replaces the model with a lookup table
8. A segmentation model predicts masks on flipped and cropped views. What must happen before pixelwise pooling?
   • Average masks before undoing the transforms
   • Discard the original image coordinates
   • Apply a different label to each pixel view
   • Invert the geometric transforms so all masks align with the original image coordinates