Test legat de ghid · Mediu Nivel

DepthAnything Monocular Depth Quiz

Examinați motorul de date profesor-elev al Depth Anything, codificatorul DINOv2, ieșirile de profunzime relativă și îmbunătățirile datelor sintetice în V2.

Căi de ghidare aferenteDepthanything Monocular Depth
Întrebare 1 de 8

Ce înseamnă estimarea adâncimii „monoculare”?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce înseamnă estimarea adâncimii „monoculare”?
    • Prezicerea adâncimii dintr-o singură imagine
    • Folosind două camere pentru vedere stereo
    • Folosind un senzor LiDAR
    • Măsurarea adâncimii cu unde sonore
  2. Care a fost strategia principală a DepthAnything pentru a obține o generalizare puternică?
    • Etichetarea manuală a unui set mic de date de înaltă calitate
    • Antrenament pentru aproximativ 62 de milioane de imagini neetichetate auto-etichetate
    • Folosind numai date sintetice ale motorului de joc
    • Bazându-se pe perechile de camere stereo
  3. Pe ce codificator backbone se construiește DepthAnything?
    • Un CNN ResNet-18
    • O rețea LSTM recurentă
    • Transformatorul de viziune DINOv2
    • Un detector YOLO
  4. Ce fel de adâncime produce în primul rând DepthAnything original?
    • Distanța exactă în metri
    • Doar prim-plan/fond binar
    • Coordonatele GPS
    • Adâncime relativă (mai aproape vs. mai departe)
  5. Cum a îmbunătățit DepthAnything V2 detaliile fine și marginile?
    • Prin instruirea profesorului pe date sintetice cu adevărul de bază perfect, apoi distilare
    • Adăugând mai multe etichete zgomotoase
    • Prin scoaterea encoderului transformatorului
    • Prin utilizarea intrărilor cu rezoluție mai mică
  6. Care aplicație NU este o utilizare tipică a hărților de adâncime monoculare?
    • Încețoșare de fundal în modul portret
    • Criptarea traficului de rețea
    • Condiţionarea adâncimii ControlNet
    • Conversie foto 2D în 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models