แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบความลึกตาข้างเดียว DepthAnything

ตรวจสอบกลไกข้อมูลครู-นักเรียนของ Depth Anything, ตัวเข้ารหัส DINOv2, เอาต์พุตเชิงลึกสัมพัทธ์ และการปรับปรุงข้อมูลสังเคราะห์ใน V2

เส้นทางแนะนำที่เกี่ยวข้องDepthanything ความลึกตาข้างเดียว
คำถาม 1 ของ 8

การประมาณความลึก 'ตาข้างเดียว' หมายถึงอะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. การประมาณความลึก 'ตาข้างเดียว' หมายถึงอะไร
    • ทำนายความลึกจากภาพเดียว
    • การใช้กล้องสองตัวสำหรับการมองเห็นแบบสเตอริโอ
    • การใช้เซ็นเซอร์ LiDAR
    • การวัดความลึกด้วยคลื่นเสียง
  2. กลยุทธ์หลักของ DepthAnything เพื่อให้บรรลุถึงลักษณะทั่วไปที่แข็งแกร่งคืออะไร
    • การติดป้ายกำกับชุดข้อมูลคุณภาพสูงขนาดเล็กด้วยมือ
    • การฝึกอบรมเกี่ยวกับรูปภาพที่ไม่มีป้ายกำกับอัตโนมัติประมาณ 62 ล้านภาพ
    • ใช้ข้อมูลเอ็นจิ้นเกมสังเคราะห์เท่านั้น
    • อาศัยคู่กล้องสเตอริโอ
  3. DepthAnything สร้างตัวเข้ารหัสแบ็คโบนแบบใด
    • ซีเอ็นเอ็น ResNet-18
    • เครือข่าย LSTM ที่เกิดซ้ำ
    • หม้อแปลงวิชันซิสเต็ม DINOv2
    • เครื่องตรวจจับ YOLO
  4. DepthAnything ดั้งเดิมจะให้ความลึกแบบใดเป็นหลัก
    • ระยะทางที่แน่นอนเป็นเมตร
    • เฉพาะไบนารีส่วนหน้า/พื้นหลังเท่านั้น
    • พิกัด GPS
    • ความลึกสัมพัทธ์ (ใกล้กว่าและไกลกว่า)
  5. DepthAnything V2 ปรับปรุงรายละเอียดและขอบอย่างละเอียดได้อย่างไร
    • โดยการฝึกอบรมครูเกี่ยวกับข้อมูลสังเคราะห์ด้วยความจริงภาคพื้นดินที่สมบูรณ์แบบแล้วจึงกลั่นกรอง
    • โดยการเพิ่มป้ายที่มีเสียงดังจริงมากขึ้น
    • โดยการถอดตัวเข้ารหัสหม้อแปลง
    • โดยใช้อินพุตที่มีความละเอียดต่ำ
  6. แอปพลิเคชันใดไม่ใช่การใช้แผนที่เชิงลึกตาข้างเดียวโดยทั่วไป
    • เบลอพื้นหลังโหมดแนวตั้ง
    • การเข้ารหัสการรับส่งข้อมูลเครือข่าย
    • การปรับความลึกของ ControlNet
    • การแปลงภาพ 2D เป็น 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