Kuiz Pengubah Penglihatan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. Bagaimana ViT asal mentafsir imej menjadi token input untuk enkodernya?
   • Ia mesti membaca satu piksel mentah setiap langkah berulang
   • Ia menanam secara linear segmen tidak bersilang yang telah dilipat
   • Ia menukar keseluruhan imej menjadi satu skalar wajib
   • Ia menghapus semua proyeksi input yang dipelajari
2. Mekanisme apa yang menyokong interaksi langsung antara token segmen yang dibenarkan dalam enkoder ViT padat asal?
   • Perhatian diri sendiri
   • Hanya operasi max-pooling tempatan tetap
   • Hanya penjenamaan segmen mengikut abjad
   • Hanya potongan imej rawak
3. Perbezaan seni bina apa yang dibincangkan dalam kajian ViT asal berbanding rangkaian konvolusi?
   • Jaminan ia mengandungi lebih sedikit parameter daripada setiap CNN
   • Kegagalan memproses imej berwarna
   • Jaminan setiap tugas penglihatan memerlukan set data besar yang sama
   • Kurang bias gaya konvolusi dan ekivalen translasi
4. Apakah tujuan pengekodan kedudukan dalam Transformer Penglihatan?
   • Untuk memampatkan saiz fail imej
   • Untuk mengocok tampalan secara rawak untuk penambahan
   • Untuk memberitahu model di mana setiap tampalan terletak dalam imej asal
   • Untuk menukar imej berwarna kepada skala kelabu
5. Kelemahan praktikal perhatian diri terhadap banyak tampalan imej ialah kosnya meningkat:
   • Secara kuadrati dengan bilangan tampalan
   • Secara linear dengan bilangan tampalan
   • Tidak sama sekali dengan saiz imej
   • Hanya dengan bilangan saluran warna
6. Kesimpulan apa yang disokong oleh eksperimen klasifikasi ViT asal di bawah syarat pra-pelatihan dan pemindahan mereka?
   • Setiap transformer mesti mengatasi setiap CNN pada setiap set data
   • Pengubah segmen murni boleh berprestasi bersaing dengan CNN yang dibandingkan
   • Semua operasi konvolusi tidak sah untuk pengenalan imej
   • Tiada data latihan diperlukan untuk klasifikasi imej
7. Bagi imej 224×224 yang dibahagi kepada segmen 16×16 tidak bersilang, berapa banyak token segmen sebelum menambah token kelas?
   • 197
   • 224
   • 196
   • 256
8. Dalam reka bentuk klasifikasi ViT asal, mana keadaan enkoder yang menyediakan kepala klasifikasi?
   • Hanya piksel input mentah tidak ditanam
   • Token rawak yang diperlukan tidak diproses oleh enkoder
   • Hanya nama fail asal segmen pertama
   • Keadaan akhir token kelas yang dipelajari