Test legat de ghid · Greu Nivel

Swin Transformer Quiz

Check shifted-window attention, cross-window communication, hierarchical features, patch merging, and vision-task applications in Swin.

Căi de ghidare aferenteSwin Transformer
Întrebare 1 de 8

Ce înseamnă „Swin” în Swin Transformer?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Ce înseamnă „Swin” în Swin Transformer?
    • Ferestre schimbate
    • Fereastră netedă
    • Înfăşurare spaţială
    • Fereastră unică
  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. Cum permite Swin informațiile să se deplaseze între ferestre separate?
    • Utilizează conexiuni recurente
    • Acesta șterge complet limitele ferestrelor
    • Schimbă partiția ferestrei în straturi alternative
    • Utilizează doar o singură fereastră globală
  4. Ce fac straturile de îmbinare a patch-urilor între etapele Swin?
    • Măriți rezoluția și eliminați canalele
    • Aruncați aleatoriu plasturi
    • Traduceți patch-urile în cuvinte
    • Îmbinați patch-urile învecinate, reducând rezoluția și mărind canalele
  5. De ce este deosebit de utilă rezultatul ierarhic, multi-scală al lui Swin?
    • Se conectează perfect la cadrele de detectare și segmentare care se așteaptă la piramide cu caracteristici
    • Ajută doar la clasificarea cu o singură etichetă
    • Îndepărtează nevoia de date etichetate
    • Face modelul mai mic decât orice 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