Quiz połączony z przewodnikiem · Średni Poziom

DepthAnything Monokularowy quiz o głębokości

Przejrzyj silnik danych nauczyciela i ucznia Depth Everything, koder DINOv2, dane wyjściowe dotyczące głębokości względnej i ulepszenia danych syntetycznych w wersji 2.

Powiązane ścieżki prowadząceDepthanything Głębia jednooczna
Pytanie 1 z 8

Co oznacza „jednooczna” ocena głębokości?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co oznacza „jednooczna” ocena głębokości?
    • Przewidywanie głębi na podstawie pojedynczego obrazu
    • Używanie dwóch kamer do widzenia stereoskopowego
    • Korzystanie z czujnika LiDAR
    • Pomiar głębokości za pomocą fal dźwiękowych
  2. Jaka była główna strategia DepthAnything mająca na celu osiągnięcie silnej generalizacji?
    • Ręczne etykietowanie małego zestawu danych wysokiej jakości
    • Szkolenie na około 62 milionach automatycznie oznakowanych, nieoznaczonych obrazów
    • Używanie wyłącznie syntetycznych danych silnika gry
    • Poleganie na parach kamer stereo
  3. Na jakim koderze szkieletowym opiera się DepthAnything?
    • CNN ResNet-18
    • Powtarzająca się sieć LSTM
    • Transformator wizyjny DINOv2
    • Detektor YOLO
  4. Jaką głębię generuje przede wszystkim oryginalna DepthAnything?
    • Dokładna odległość w metrach
    • Tylko binarny pierwszy plan/tło
    • Współrzędne GPS
    • Głębokość względna (bliżej vs. dalej)
  5. W jaki sposób DepthAnything V2 poprawił drobne szczegóły i krawędzie?
    • Szkoląc nauczyciela w oparciu o syntetyczne dane z doskonałą podstawową prawdą, a następnie destylując
    • Dodając więcej naprawdę hałaśliwych etykiet
    • Poprzez usunięcie enkodera transformatorowego
    • Używając wejść o niższej rozdzielczości
  6. Która aplikacja NIE jest typowym zastosowaniem jednoocznych map głębi?
    • Rozmycie tła w trybie portretowym
    • Szyfrowanie ruchu sieciowego
    • Kondycjonowanie głębokości ControlNet
    • Konwersja zdjęć 2D do 3D
  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