Викторина, связанная с руководством · Средний Уровень

Викторина на распознавание действий

Узнайте, как модели распознавания видеодействий используют временные данные, представления движения и пространственно-временные извилины.

Связанные направляющие путиРаспознавание действий
Вопрос 1 из 8

Что принципиально отличает распознавание действий от обычной классификации изображений?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что принципиально отличает распознавание действий от обычной классификации изображений?
    • Он рассуждает о том, как меняются пиксели со временем, а не только один кадр.
    • Он использует изображения большего размера
    • Работает только с черно-белым видео.
    • Он не требует никаких обучающих данных
  2. Что обычно обрабатывает второй поток в классической двухпоточной сети распознавания действий?
    • Аудио сигналы
    • Оптический поток, представляющий движение
    • Текстовые подписи
    • GPS-координаты
  3. Что добавляет 3D-свертка по сравнению со стандартной 2D-сверткой?
    • Цветовые каналы
    • Более высокое разрешение изображения
    • Временная ось (времени), поэтому фильтры охватывают несколько кадров.
    • Больший размер партии
  4. Какой трюк с «инфляцией» используется в модели I3D?
    • Увеличение яркости видео
    • Добавление дополнительных слоев случайным образом
    • Сжатие видеофайла
    • Расширение весов сети 2D-изображений в 3D путем их репликации во времени.
  5. Почему набор данных «Что-то-что-то» отличается распознаванием действий?
    • Это заставляет модели понимать временное направление, а не полагаться на контекст сцены.
    • Содержит только видео с животными.
    • У него нет ярлыков
    • Он состоит из отдельных изображений.
  6. Какой метод помогает моделям распознавания действий учиться на видео без меток?
    • Ручная покадровая маркировка
    • Самоконтролируемое видеомоделирование в маске
    • Удаление всех данных о движении
    • Использование только аудио
  7. How many action-template classes did the initial Something-Something dataset paper describe?
    • 17 classes
    • 1,740 classes
    • 174 classes
    • 17,400 classes
  8. What pretraining strategy does VideoMAE use?
    • Training only on single labeled frames
    • Replacing video with a text transcript
    • Predicting optical flow without reconstructing masked content
    • Masking a high proportion of video tokens and reconstructing them from visible tokens