Test legat de ghid · Mediu Nivel

Test de estimare a poziției umane

Review 2D pose keypoints, top-down and bottom-up pipelines, Part Affinity Fields and what image-plane estimates cannot establish.

Căi de ghidare aferenteEstimarea pozitiei umane
Întrebare 1 de 8

Ce detectează în primul rând estimarea poziției umane?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce detectează în primul rând estimarea poziției umane?
    • Pozițiile articulațiilor corpului sau punctelor cheie
    • Culorile îmbrăcămintei
    • Numele persoanei
    • Dimensiunea fișierului imagine
  2. Cum funcționează metodele de estimare a poziției de sus în jos?
    • Ei detectează toate articulațiile simultan, apoi le grupează
    • Ei detectează mai întâi fiecare persoană, apoi găsesc îmbinări în interiorul cutiei
    • Nu folosesc niciodată casete de delimitare
    • Funcționează doar pe o singură îmbinare statică
  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