Questionário vinculado ao guia · Difícil Nível

Questionário do transformador Swin

Verifique a atenção da janela alterada, a comunicação entre janelas, os recursos hierárquicos, a fusão de patches e os aplicativos de tarefas de visão no Swin.

Caminhos de guia relacionadosTransformador Swin
Pergunta 1 de 8

O que significa 'Swin' no Swin Transformer?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. O que significa 'Swin' no Swin Transformer?
    • Janelas deslocadas
    • Janela Suave
    • Enrolamento Espacial
    • Janela única
  2. 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
  3. Como o Swin permite que as informações se movam entre janelas separadas?
    • Ele usa conexões recorrentes
    • Exclui totalmente os limites da janela
    • Muda a partição da janela em camadas alternadas
    • Ele usa apenas uma única janela global
  4. O que as camadas de mesclagem de patches fazem entre os estágios do Swin?
    • Aumente a resolução e remova canais
    • Soltar patches aleatoriamente
    • Traduzir patches em palavras
    • Mesclar patches vizinhos, reduzindo a resolução e aumentando os canais
  5. Por que a produção hierárquica e multiescala do Swin é especialmente útil?
    • Ele se conecta perfeitamente a estruturas de detecção e segmentação que esperam pirâmides de recursos
    • Ajuda apenas na classificação de rótulo único
    • Elimina a necessidade de dados rotulados
    • Isso torna o modelo menor do que qualquer CNN
  6. 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
  7. 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
  8. 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