Quiz połączony z przewodnikiem · Ciężko Poziom
Quiz o transformatorze świńskim
Sprawdź uwagę przesuniętego okna, komunikację między oknami, funkcje hierarchiczne, łączenie poprawek i aplikacje do zadań wizyjnych w Swin.
Pytanie 1 z 8
Co oznacza „Swin” w Swin Transformer?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co oznacza „Swin” w Swin Transformer?
- Przesunięte okna
- Gładkie okno
- Uzwojenie przestrzenne
- Pojedyncze okno
- What positional information does Swin add within each local attention window?
- Absolute word embeddings from a text tokenizer
- A learnable relative-position bias
- A global convolution kernel shared across all windows
- A class-specific bounding-box regression target
- W jaki sposób Swin umożliwia przepływ informacji między oddzielnymi oknami?
- Wykorzystuje połączenia cykliczne
- Całkowicie usuwa granice okien
- Przesuwa przegrodę okna w naprzemiennych warstwach
- Używa tylko jednego okna globalnego
- Co robią warstwy łączące łaty pomiędzy etapami Swin?
- Zwiększ rozdzielczość i usuń kanały
- Losowo upuść łatki
- Przetłumacz poprawki na słowa
- Połącz sąsiednie poprawki, zmniejszając rozdzielczość i zwiększając liczbę kanałów
- Dlaczego hierarchiczne, wieloskalowe wyniki Swina są szczególnie przydatne?
- Można go łatwo podłączyć do struktur wykrywania i segmentacji, które oczekują piramid funkcji
- Pomaga tylko w klasyfikacji z pojedynczą etykietą
- Eliminuje to potrzebę etykietowania danych
- To sprawia, że model jest mniejszy niż jakikolwiek inny CNN
- How does Swin’s attention pattern differ from standard ViT attention?
- Swin has no attention mechanism
- Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
- ViT uses only local convolutions
- Both always use identical global attention
- What scaling property does fixed-size window attention provide in Swin?
- It is independent of image resolution
- It becomes quadratic in channel count only
- Attention computation grows linearly with image size for fixed window size
- It removes all attention computation
- Why does shifted-window attention use a mask after the cyclic shift?
- To force every patch to attend to every image patch
- To remove all positional information
- To convert window attention into a convolution
- To prevent tokens from attending across boundaries that should remain separate windows