Gids-gekoppelde quiz · Middelmatig Niveau
Gemaskerde Autoencoders Quiz
Beoordeel de taak van MAE voor het reconstrueren van sterk gemaskeerde afbeeldingen, het asymmetrische encoder-decoder-ontwerp en de in het artikel geëvalueerde pretraining-opstelling.
Vraag 1 van 8
Wat is de kerntaak van zelfbeheer in een gemaskerde auto-encoder?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat is de kerntaak van zelfbeheer in een gemaskerde auto-encoder?
- Het reconstrueren van de pixels van verborgen plekken
- Classificatie van elke afbeelding in een gelabelde categorie
- Het voorspellen van het volgende frame in een videoreeks
- Een afbeelding matchen met het tekstbijschrift
- Welk deel van de beeldvlakken maskeert de originele MAE doorgaans?
- Ongeveer 15%
- Ongeveer 75%
- Ongeveer 35%
- Ongeveer 95%
- Waarom verwerkt de MAE-encoder alleen de zichtbare (niet-gemaskeerde) patches?
- Omdat gemaskerde vlakken geen bruikbare kleur bevatten
- Om te voorkomen dat het model ooit echte afbeeldingen ziet
- Om de training sneller en geheugenefficiënter te maken
- Omdat de decoder geen positionele coderingen kan lezen
- Wat gebeurt er met de decoder nadat de MAE-voortraining is voltooid?
- Het wordt de belangrijkste classificator
- Het wordt bevroren en gebruikt om nieuwe beelden te genereren
- Het vervangt de encoder volledig
- Het wordt weggegooid; de encoder wordt gebruikt voor stroomafwaartse taken
- Welke verliesfunctie gebruikt MAE doorgaans voor reconstructie?
- Gemiddelde kwadratische fout op gemaskeerde patchpixels
- Cross-entropie over klassenlabels
- Contrastief InfoNCE-verlies
- Tegenstrijdig discriminatorverlies
- Waar verwijst het 'asymmetrische' ontwerp van MAE naar?
- Verschillende beeldformaten voor invoer en uitvoer
- Een zware encoder gecombineerd met een lichtgewicht decoder
- Twee afzonderlijke datasets gebruiken voor training
- Alleen de linkerhelft van elke afbeelding maskeren
- On which large image dataset did the original MAE paper pretrain its main vision models?
- MS COCO Captions only
- LibriSpeech
- ImageNet-1K
- The Netflix Prize ratings set
- What does the MAE decoder receive for image patches hidden from the encoder?
- The original RGB pixels without masking
- Only class labels from ImageNet
- A text caption for the image
- Learned mask tokens with positional embeddings