Quiz dotyczący wykrywania obiektów w otwartym słownictwie

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaka jest definiująca zdolność wykrywania obiektów przy użyciu otwartego słownika?
   • Wykrywanie tylko kategorii widocznych w polach podczas szkolenia
   • Działa szybciej niż wszystkie inne detektory
   • Wykrywanie obiektów opisanych dowolnym tekstem, w tym niewidocznymi kategoriami
   • Działa tylko na obrazach w skali szarości
2. In a common embedding-based open-vocabulary detector, how are candidate regions matched to user-supplied labels?
   • By using only the region's average brightness
   • By comparing visual-region features with text embeddings in a compatible representation space
   • By choosing labels alphabetically without visual features
   • By restricting every model to the original COCO class list
3. Jaki zasób przedszkoleniowy najlepiej umożliwia wykrywanie otwartego słownika?
   • Wielkoskalowe pary obraz-tekst wykorzystywane do nauki przestrzeni wzrokowo-językowej
   • Mały zestaw doskonale oznakowanych pudełek
   • Nagrania dźwiękowe
   • Odręczne zbiory danych cyfrowych
4. What replaces fixed per-class classifier weights in a common embedding-based open-vocabulary design?
   • The camera's physical image sensor
   • The bounding-box coordinate system
   • All visual features with random file identifiers
   • Representations of the supplied text labels used for similarity-based classification
5. Który z nich jest przykładem otwartego słownika lub modelu wykrywania uziemienia?
   • Sam ResNet-50
   • Uziemienie DINO
   • Zwykły skrypt grupujący k-średnich
   • Makro arkusza kalkulacyjnego
6. What does an open-vocabulary detector's ability to use a new text category imply?
   • It guarantees accurate detection of every nameable object
   • The category must have been absent from every pretraining image and caption
   • It can attempt localization through learned vision-language associations, with accuracy requiring evaluation
   • It needs no visual features or bounding-box output
7. What output distinguishes text-conditioned object detection from simply saying that an image contains a named category?
   • Only a whole-image tag with no object location
   • Only the text prompt's word count
   • Only the image's dimensions and filename
   • Locations such as bounding boxes for the matching objects
8. Before using open-vocabulary predictions to auto-label a new domain, what should a dataset team check?
   • The boxes and labels under representative prompts, thresholds, and domain conditions
   • Assume text-conditioned predictions are automatically ground truth
   • Verify only that the label strings contain no spelling errors
   • Discard all visual inspection because image-text pretraining guarantees accuracy