Gids-gekoppelde quiz · Middelmatig Niveau

Visuele quiz voor het beantwoorden van vragen

Beoordeel visuele vraagbeantwoording, datasetbias, multimodale fusie en evaluatiebeperkingen bij vragen over afbeeldingen en documenten.

Gerelateerde gidspadenVisuele vraagbeantwoording
Vraag 1 van 8

Welke twee inputs heeft een visueel vraag- en antwoordsysteem nodig?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Welke twee inputs heeft een visueel vraag- en antwoordsysteem nodig?
    • Een beeld en een vraag in natuurlijke taal
    • Twee afbeeldingen om te vergelijken
    • Een vraag en een audiofragment
    • Alleen een afbeelding zonder tekst
  2. Waarom is de VQA v2.0-dataset gemaakt met 'gebalanceerde' antwoorden?
    • Om afbeeldingen met een hogere resolutie te maken
    • Om taalvooroordelen te verminderen, zodat modellen niet alleen op basis van tekst kunnen raden
    • Om alle ja/nee-vragen te verwijderen
    • Om de dataset te verkleinen voor snellere training
  3. Wat is 'taalvooroordeel' in VQA?
    • Vragen vertalen in de verkeerde taal
    • Te veel talen tegelijk gebruiken
    • Antwoorden op basis van de vraagformulering, waarbij de afbeelding wordt genegeerd
    • Geef de voorkeur aan korte afbeeldingen boven lange
  4. Hoe combineren veel VQA-modellen beeld- en vraaginformatie?
    • Door onbewerkte pixels en letters aan elkaar te koppelen
    • Door vanuit de vraag een nieuw beeld te genereren
    • Door de vraag volledig te negeren
    • Door hun gecodeerde representaties samen te voegen, vaak met kruisaandacht
  5. Klassieke VQA-systemen produceerden vaak antwoorden door wat te doen?
    • Classificatie over een vast vocabulaire van veelvoorkomende antwoorden
    • Alleen een selectiekader tekenen
    • De originele afbeelding bewerken
    • De invoervraag ongewijzigd retourneren
  6. Wat is een voorbeeld van een meer geavanceerde VQA-uitdaging?
    • Het formaat van een afbeelding wijzigen in een miniatuur
    • Vragen beantwoorden over tekst en cijfers in een documentafbeelding
    • Afbeeldingen alfabetisch sorteren op bestandsnaam
    • Videobestanden comprimeren
  7. How does the original VQA benchmark score an answer when people phrase the same answer differently?
    • It requires an exact match to one fixed phrase only
    • It scores image resolution instead of answers
    • It compares the prediction with multiple human answers using a consensus-based score
    • It uses the model’s confidence as the ground truth
  8. Why can high VQA accuracy still fail to prove visual grounding?
    • Images cannot be represented by neural networks
    • Questions are always randomly generated
    • The benchmark contains no answer labels
    • A model may exploit dataset or language regularities instead of the image