Questionário vinculado ao guia · Médio Nível

Questionário de estimativa de pose humana

Revise os pontos-chave da pose 2D, os pipelines de cima para baixo e de baixo para cima, os campos de afinidade de peças e o que as estimativas do plano de imagem não podem estabelecer.

Caminhos de guia relacionadosEstimativa de pose humana
Pergunta 1 de 8

O que a estimativa da pose humana detecta principalmente?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que a estimativa da pose humana detecta principalmente?
    • As posições das articulações do corpo ou pontos-chave
    • As cores das roupas
    • O nome da pessoa
    • O tamanho do arquivo de imagem
  2. Como funcionam os métodos de estimativa de pose de cima para baixo?
    • Eles detectam todas as articulações de uma vez e depois as agrupam
    • Eles detectam cada pessoa primeiro e depois encontram as juntas dentro da caixa
    • Eles nunca usam caixas delimitadoras
    • Eles funcionam apenas em uma única junta estática
  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