Gids-gekoppelde quiz · Middelmatig Niveau

Segmenteer alles Modelquiz

Begrijp snel beeld- en videosegmentatie via de originele SAM en de latere SAM 2-extensie, data- en geheugenmethoden.

Gerelateerde gidspadenSegmenteer alles-model
Vraag 1 van 8

Welk kernidee maakt SAM tot een ‘fundamenteel model’ voor segmentatie?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Welk kernidee maakt SAM tot een ‘fundamenteel model’ voor segmentatie?
    • Het behandelt segmentatie als een promptable taak die generaliseert naar onzichtbare objecten
    • Het werkt alleen op gezichten
    • Het vereist herscholing voor elk nieuw beeld
    • Het voert selectiekaders uit, nooit maskers
  2. Hoe groot is de SA-1B-dataset die wordt gebruikt om SAM te trainen ongeveer?
    • Ongeveer 1.000 maskers
    • Meer dan 1 miljard maskers verdeeld over 11 miljoen afbeeldingen
    • Ongeveer 1 miljoen maskers
    • Precies 50.000 maskers
  3. Waarom splitst SAM zijn architectuur op in een zware image-encoder en een lichtgewicht prompt-encoder/decoder?
    • Om het trainen onmogelijk te maken
    • Om het gebruik van neurale netwerken te vermijden
    • Eén afbeeldingsinsluiting kan dus in realtime worden hergebruikt voor veel interactieve aanwijzingen
    • Omdat maskers alleen op de CPU worden berekend
  4. Hoe gaat SAM om met een dubbelzinnige prompt, zoals een enkele klik die meerdere objecten kan betekenen?
    • Het weigert iets uit te voeren
    • Er wordt altijd het grootste object gekozen
    • Er wordt aan de gebruiker gevraagd een beschrijving te typen
    • Het voorspelt meerdere geldige maskers en rangschikt deze op basis van vertrouwen
  5. Welk type backbone gebruikt SAM om het invoerbeeld te coderen?
    • Een Visie Transformator (ViT)
    • Een terugkerend neuraal netwerk
    • Een beslisboom
    • Een ondersteuningsvectormachine
  6. Welke belangrijke mogelijkheden heeft SAM 2 in 2024 toegevoegd?
    • Audiotranscriptie
    • Objecten segmenteren en volgen over videoframes
    • Tekstbijschriften genereren
    • Ondersteuning voor 3D-printen
  7. What role did the data engine play in the original SAM project?
    • It replaced the image encoder with a text-only model
    • It automatically verified every mask as medically correct
    • It iteratively combined model-assisted annotation and human annotation to build SA-1B
    • It generated labels without human or model assistance
  8. How does SAM 2 use memory for video segmentation?
    • It discards all frames after processing each one
    • It predicts only a video-level class label
    • It replaces the prompt with an audio transcript
    • It stores information from prior frames to help segment the object in later frames