Викторина по паноптической сегментации

Ответы и пояснения появляются по мере прохождения теста.

1. Что паноптическая сегментация присваивает каждому пикселю изображения?
   • Метка категории и идентификатор экземпляра для счетных объектов.
   • Только значение глубины
   • Одна ограничивающая рамка
   • Уровень размытия
2. Что такое «вещественные» классы в паноптической терминологии?
   • Счетные объекты, такие как автомобили и люди.
   • Аморфные области, такие как небо, дорога или трава.
   • Текстовые метки на изображении
   • Метаданные камеры
3. Каково основное ограничение семантической сегментации, которое преодолевает паноптическая сегментация?
   • Он не может обозначить небо
   • Работает только на видео
   • Он не может различать отдельные экземпляры одной и той же категории.
   • Он игнорирует весь фон
4. Какая метрика используется для оценки качества паноптической сегментации?
   • Кадров в секунду
   • Степень сжатия
   • Точность цветопередачи
   • Паноптическое качество (PQ)
5. What does segmentation quality (SQ) measure within Panoptic Quality?
   • The average IoU of matched predicted and ground-truth segments
   • The number of images in the dataset
   • The speed of inference
   • The fraction of classes that are things
6. Какая современная архитектура обрабатывает и вещи, и прочее в одной единой модели, основанной на запросах?
   • JPEG
   • Маска2Бывший
   • Только ResNet-18
   • Фильтр на основе правил
7. How is Panoptic Quality (PQ) decomposed in the original formulation?
   • As image resolution multiplied by object count
   • As precision plus recall only
   • As segmentation quality multiplied by recognition quality
   • As frame rate divided by latency
8. Why can a single PQ score conceal useful diagnostic information?
   • PQ measures only image brightness
   • PQ excludes stuff classes
   • PQ is not computed from predictions
   • Segmentation and recognition errors can contribute differently to the aggregate