ИИ в викторине по контролю качества

Ответы и пояснения появляются по мере прохождения теста.

1. В чем практическое различие между проверкой с помощью ИИ и проверкой человеком?
   • A model can apply a consistent learned or programmed check across many images, but it still needs validation and oversight
   • AI guarantees detection of every defect
   • Humans cannot inspect images
   • AI removes the need for quality standards
2. Почему обнаружение аномалий полезно, когда дефекты встречаются редко?
   • Сначала требуются примеры всех возможных дефектов.
   • Он узнает, как выглядит «нормально», и отмечает все отклонения.
   • Работает только с текстом, а не с изображениями.
   • Он полностью игнорирует редкие события.
3. Что оценивают указанные тесты визуального контроля?
   • Only OCR accuracy on scanned contracts
   • Speech diarization and transcription quality
   • Unsupervised anomaly detection and localization on MVTec datasets
   • The accuracy of a single human inspector
4. Что говорит инспектору маска сегментации на уровне пикселей?
   • Продажная цена продукта
   • Как быстро движется конвейер
   • Адрес завода
   • Pixels that the model predicts as anomalous and that an inspector may need to verify
5. Какие измерения развертывания следует проверить заводской команде перед размещением модели аномалии на линии контроля?
   • Latency and throughput on the target hardware, image resolution, and pipeline configuration
   • A guaranteed zero-millisecond response on any device
   • A universal speed number independent of the line
   • A benchmark score that proves every production image is an anomaly
6. What challenging conditions does the MVTec AD 2 paper include in its benchmark?
   • Only clean, uniformly lit images with large defects
   • Examples include transparent or overlapping objects, lighting changes, and very small defects
   • Only audio recordings from industrial machines
   • Only synthetic images with no real photographs
7. What average AU-PRO did evaluated methods achieve on the MVTec AD 2 paper’s benchmark?
   • Exactly 100% for every method
   • Above 99% for all methods
   • Below 60% on average in the reported evaluation
   • The paper reports only speech word-error rates
8. Why can benchmark performance fail to transfer to a factory line?
   • Benchmarks always contain every defect type
   • The model cannot process pixels
   • Factory images are always identical
   • Real line conditions and defect distributions may differ from the benchmark dataset