Maswali ya Utambuzi wa Kitendo

Majibu na maelezo huonekana unapojibu maswali.

1. Ni nini kimsingi hutofautisha utambuzi wa vitendo na uainishaji wa kawaida wa picha?
   • Inasababisha jinsi saizi hubadilika kwa wakati, sio tu fremu moja
   • Inatumia picha kubwa zaidi
   • Inafanya kazi kwenye video nyeusi-na-nyeupe pekee
   • Haihitaji data ya mafunzo
2. Katika mtandao wa kawaida wa utambuzi wa mipasho miwili, mtiririko wa pili kwa kawaida huchakata nini?
   • Mawimbi ya sauti
   • Mtiririko wa macho unaowakilisha mwendo
   • Vichwa vya maandishi
   • GPS kuratibu
3. Je, ubadilishaji wa 3D unaongeza nini ikilinganishwa na ubadilishaji wa kawaida wa 2D?
   • Njia za rangi
   • Ubora wa juu wa picha
   • Mhimili wa muda (wakati) kwa hivyo vichujio vinachukua fremu nyingi
   • Saizi kubwa ya batch
4. Je, ni mbinu gani ya 'mfumko wa bei' inayotumiwa na modeli ya I3D?
   • Kuongeza mwangaza wa video
   • Kuongeza tabaka zaidi nasibu
   • Inabana faili ya video
   • Kupanua uzani wa mtandao wa picha wa 2D hadi 3D kwa kuiga kwa muda
5. Kwa nini hifadhidata ya Kitu-Kitu inajulikana kwa utambuzi wa kitendo?
   • Inalazimisha vielelezo kuelewa mwelekeo wa muda badala ya kutegemea muktadha wa tukio
   • Ina video za wanyama pekee
   • Haina lebo
   • Imetengenezwa kwa picha moja
6. Ni mbinu gani husaidia miundo ya utambuzi wa vitendo kujifunza kutoka kwa video isiyo na lebo?
   • Kuweka lebo kwa fremu kwa fremu kwa mikono
   • Uundaji wa vinyago vya video unaojidhibiti
   • Inafuta data yote ya mwendo
   • Kwa kutumia sauti pekee
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