Quiz połączony z przewodnikiem · Średni Poziom

Quiz dotyczący oceny pozycji człowieka

Przejrzyj kluczowe punkty pozycji 2D, potoki od góry do dołu i od dołu do góry, pola powinowactwa części i tego, czego nie można ustalić szacunkowo na płaszczyźnie obrazu.

Powiązane ścieżki prowadząceOszacowanie pozycji człowieka
Pytanie 1 z 8

Co przede wszystkim wykrywa ocena pozycji człowieka?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. Co przede wszystkim wykrywa ocena pozycji człowieka?
    • Pozycje stawów ciała lub kluczowych punktów
    • Kolory odzieży
    • Imię osoby
    • Rozmiar pliku obrazu
  2. Jak działają metody szacowania pozycji z góry na dół?
    • Wykrywają wszystkie stawy na raz, a następnie grupują je
    • Najpierw wykrywają każdą osobę, a następnie znajdują złącza w pudełku
    • Nigdy nie używają obwiedni
    • Działają tylko na jednym stawie statycznym
  3. What does OpenPose predict to estimate body-part locations?
    • A direct 3D skeleton with depth
    • A single bounding box per frame
    • Confidence maps for candidate body-part locations
    • A sequence of spoken joint names
  4. What step does the OpenPose parser use to associate candidate body parts into full poses?
    • A face-recognition classifier
    • A top-down detector for every limb
    • A language-model prompt
    • A set of bipartite matchings scored with Part Affinity Fields
  5. What failure mode of top-down pose estimation does the OpenPose paper discuss in crowded scenes?
    • A person detector may miss people close together, and the pose stage cannot recover them
    • It always detects more people than are present
    • It cannot estimate any 2D keypoints
    • It requires a 3D depth camera
  6. Which additional keypoint groups did the OpenPose paper include in its system?
    • Only facial landmarks
    • Body, foot, hand and facial keypoints
    • A 3D skeleton with medical diagnoses
    • Only fingertip positions
  7. What information do Part Affinity Fields encode to connect keypoints?
    • A person’s identity from face recognition
    • Depth in meters for every body joint
    • Vectors indicating limb position and orientation across the image
    • The camera exposure settings
  8. What can a 2D pose model conclude directly from image keypoints?
    • A person’s medical diagnosis
    • Exact real-world joint depth without additional information
    • The person’s intentions
    • Approximate joint locations in image coordinates