Questionário vinculado ao guia · Fácil Nível
Questionário de legendagem de imagens
Revise os pipelines de legenda de imagens, atenção, anotações COCO e medidas de avaliação, reconhecendo ao mesmo tempo os riscos de alucinação de objetos.
Pergunta 1 de 8
O que um sistema de legendagem de imagens produz como saída?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- O que um sistema de legendagem de imagens produz como saída?
- Uma descrição da imagem em linguagem natural
- Uma versão da imagem em maior resolução
- Uma lista apenas de coordenadas de pixel
- Um arquivo compactado da imagem
- Em um pipeline de legendagem clássico, qual é o papel do codificador visual?
- Ele escreve a frase final palavra por palavra
- Ele extrai representações de recursos da imagem
- Ele traduz legendas entre idiomas
- Pontua a gramática da legenda
- Por que a atenção é útil na legenda de imagens?
- Ele compacta a imagem para economizar armazenamento
- Elimina a necessidade de quaisquer dados de treinamento
- Permite que o modelo se concentre em regiões de imagem relevantes para cada palavra
- Ele converte a legenda em áudio
- Qual conjunto de dados é amplamente utilizado para treinar e avaliar legendas de imagens?
- MNIST
- WikiTexto
- LibriSpeech
- MS COCO
- O que significa para um decodificador de legenda gerar palavras 'autoregressivamente'?
- Ele prevê cada palavra usando a imagem e as palavras geradas até o momento
- Produz todas as palavras simultaneamente
- Ele gera apenas uma única palavra por imagem
- Ele regride a imagem de volta para pixels
- Um modo de falha comum dos modelos de legendagem conhecido como “alucinação” refere-se a quê?
- Produzindo legendas muito curtas
- Descrevendo objetos que não estão realmente na imagem
- Traduzindo legendas incorretamente
- Correndo muito devagar em imagens grandes
- How many human captions were collected for each image in the original COCO Captions dataset?
- One caption total for the entire dataset
- No text descriptions were collected
- Five captions per image
- One hundred captions for every image
- What does CIDEr compare when evaluating an image caption?
- Only the image’s pixel resolution
- The caption’s audio waveform against a transcript
- Whether the caption contains a certain number of words
- The candidate caption against human reference captions using consensus-weighted n-grams