Gids-gekoppelde quiz · Middelmatig Niveau

DepthAnything Monoculaire dieptequiz

Bekijk de docent-leerlingdata-engine van Depth Anything, de DINOv2-encoder, relatieve diepte-uitvoer en verbeteringen in synthetische data in V2.

Gerelateerde gidspadenDiepte alles Monoculaire diepte
Vraag 1 van 8

Wat betekent 'monoculaire' diepteschatting?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat betekent 'monoculaire' diepteschatting?
    • Diepte voorspellen op basis van één afbeelding
    • Gebruik van twee camera's voor stereovisie
    • Met behulp van een LiDAR-sensor
    • Diepte meten met geluidsgolven
  2. Wat was de belangrijkste strategie van DepthAnything om sterke generalisatie te bereiken?
    • Handmatig een kleine dataset van hoge kwaliteit labelen
    • Training op ongeveer 62 miljoen automatisch gelabelde ongelabelde afbeeldingen
    • Er wordt uitsluitend gebruik gemaakt van synthetische game-enginegegevens
    • Vertrouwen op stereocameraparen
  3. Op welke backbone-encoder bouwt DepthAnything voort?
    • Een ResNet-18 CNN
    • Een terugkerend LSTM-netwerk
    • De DINOv2 visietransformator
    • Een YOLO-detector
  4. Wat voor soort diepte levert de originele DepthAnything voornamelijk op?
    • Exacte afstand in meters
    • Alleen binaire voorgrond/achtergrond
    • GPS-coördinaten
    • Relatieve diepte (dichterbij versus verder)
  5. Hoe verbeterde DepthAnything V2 fijne details en randen?
    • Door de leraar te trainen in synthetische gegevens met perfecte grondwaarheid, en vervolgens te destilleren
    • Door meer echte luidruchtige labels toe te voegen
    • Door de transformator-encoder te verwijderen
    • Door invoer met een lagere resolutie te gebruiken
  6. Welke toepassing is GEEN typisch gebruik van monoculaire dieptekaarten?
    • Achtergrondvervaging in portretmodus
    • Versleutelen van netwerkverkeer
    • ControlNet-diepteconditionering
    • 2D-naar-3D-fotoconversie
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models