Викторина, связанная с руководством · Средний Уровень

DepthAnything Монокулярный тест на глубину

Ознакомьтесь с механизмом обработки данных «учитель-ученик» Depth Anything, кодировщиком DINOv2, выходными данными относительной глубины и улучшениями синтетических данных в V2.

Связанные направляющие путиМонокулярная глубина Depthanything
Вопрос 1 из 8

Что означает «монокулярная» оценка глубины?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что означает «монокулярная» оценка глубины?
    • Прогнозирование глубины по одному изображению
    • Использование двух камер для стереовидения
    • Использование датчика LiDAR
    • Измерение глубины с помощью звуковых волн
  2. Какова была основная стратегия DepthAnything для достижения сильного обобщения?
    • Ручная маркировка небольшого набора высококачественных данных
    • Обучение примерно 62 миллионам немаркированных изображений с автоматической маркировкой
    • Использование только синтетических данных игрового движка
    • Использование пар стереокамер
  3. На каком магистральном кодировщике построен DepthAnything?
    • ResNet-18 CNN
    • Рекуррентная сеть LSTM
    • Трансформатор зрения DINOv2
    • Детектор ЙОЛО
  4. Какую глубину в первую очередь выдает исходный DepthAnything?
    • Точное расстояние в метрах
    • Только двоичный передний/фоновый план
    • GPS-координаты
    • Относительная глубина (ближе или дальше)
  5. Как DepthAnything V2 улучшил мелкие детали и края?
    • Обучая учителя синтетическим данным с идеальной достоверностью, а затем очищая
    • Добавляя больше настоящих шумных ярлыков
    • Сняв преобразователь энкодера
    • Используя входы с более низким разрешением
  6. Какое приложение НЕ является типичным использованием монокулярных карт глубины?
    • Размытие фона в портретном режиме
    • Шифрование сетевого трафика
    • Кондиционирование глубины ControlNet
    • Преобразование фотографий из 2D в 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