Викторина, связанная с руководством · Легко Уровень

Тест на субтитры к изображениям

Просмотрите конвейеры субтитров к изображениям, внимание, аннотации COCO и меры оценки, распознавая при этом риски объектных галлюцинаций.

Связанные направляющие путиПодпись к изображению
Вопрос 1 из 8

Что выдает на выходе система субтитров к изображениям?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что выдает на выходе система субтитров к изображениям?
    • Описание изображения на естественном языке.
    • Версия изображения с более высоким разрешением.
    • Только список координат пикселей
    • Сжатый файл изображения
  2. Какую роль играет визуальный кодировщик в классическом конвейере субтитров?
    • Он записывает последнее предложение слово за словом.
    • Он извлекает представления объектов из изображения.
    • Он переводит субтитры между языками
    • Он оценивает грамматику подписи
  3. Почему внимание полезно в подписях к изображениям?
    • Он сжимает изображение для экономии места.
    • Это устраняет необходимость в каких-либо обучающих данных.
    • Это позволяет модели сосредоточиться на соответствующих областях изображения для каждого слова.
    • Он преобразует подпись в аудио
  4. Какой набор данных широко используется для обучения и оценки подписей к изображениям?
    • МНИСТ
    • Викитекст
    • LibriРечь
    • МС КОКО
  5. Что означает, что декодер подписей генерирует слова «авторегрессивно»?
    • Он предсказывает каждое слово, используя изображение и сгенерированные на данный момент слова.
    • Он производит все слова одновременно
    • Он выводит только одно слово на изображение
    • Он регрессирует изображение обратно в пиксели.
  6. К чему относится распространенный отказ моделей субтитров, известный как «галлюцинация»?
    • Создание слишком коротких подписей
    • Описание объектов, которых на самом деле нет на изображении.
    • Неправильный перевод подписей
    • Слишком медленная работа с большими изображениями
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams