Questionário vinculado ao guia · Médio Nível

Questionário de reconhecimento de ação

Aprenda como os modelos de reconhecimento de ação de vídeo usam evidências temporais, representações de movimento e convoluções espaço-temporais.

Caminhos de guia relacionadosReconhecimento de Ação
Pergunta 1 de 8

O que distingue fundamentalmente o reconhecimento de ações da classificação comum de imagens?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que distingue fundamentalmente o reconhecimento de ações da classificação comum de imagens?
    • Ele raciocina sobre como os pixels mudam ao longo do tempo, não apenas em um único quadro
    • Ele usa imagens maiores
    • Funciona apenas em vídeo em preto e branco
    • Não requer dados de treinamento
  2. Em uma rede clássica de reconhecimento de ação de dois fluxos, o que o segundo fluxo normalmente processa?
    • Formas de onda de áudio
    • Fluxo óptico representando movimento
    • Legendas de texto
    • Coordenadas GPS
  3. O que uma convolução 3D adiciona em comparação com uma convolução 2D padrão?
    • Canais de cores
    • Maior resolução de imagem
    • Um eixo temporal (tempo) para que os filtros abranjam vários quadros
    • Um tamanho de lote maior
  4. Qual é o truque da 'inflação' usado pelo modelo I3D?
    • Aumentando o brilho do vídeo
    • Adicionando mais camadas aleatoriamente
    • Compactando o arquivo de vídeo
    • Expandindo pesos de rede de imagens 2D para 3D, replicando-os ao longo do tempo
  5. Por que o conjunto de dados Something-Something é notável pelo reconhecimento de ações?
    • Força os modelos a compreender a direção temporal em vez de confiar no contexto da cena
    • Contém apenas vídeos de animais
    • Não tem rótulos
    • É feito de imagens únicas
  6. Qual técnica ajuda os modelos de reconhecimento de ação a aprender com vídeos não rotulados?
    • Rotulagem manual quadro a quadro
    • Modelagem de vídeo mascarado auto-supervisionada
    • Excluindo todos os dados de movimento
    • Usando apenas áudio
  7. How many action-template classes did the initial Something-Something dataset paper describe?
    • 17 classes
    • 1,740 classes
    • 174 classes
    • 17,400 classes
  8. What pretraining strategy does VideoMAE use?
    • Training only on single labeled frames
    • Replacing video with a text transcript
    • Predicting optical flow without reconstructing masked content
    • Masking a high proportion of video tokens and reconstructing them from visible tokens