แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการประมาณความลึกการแพร่กระจายของดอกดาวเรือง

ตรวจสอบว่า Marigold นำค่าแฝงของ Stable Diffusion มาใช้ซ้ำเพื่อความลึกสัมพัทธ์ และจัดการกับค่าคงที่ของความสัมพันธ์ การสุ่มตัวอย่าง และรายละเอียดเอาต์พุต

คำถาม 1 ของ 8

ดาวเรืองสร้างแบบจำลองใดไว้ล่วงหน้า?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. ดาวเรืองสร้างแบบจำลองใดไว้ล่วงหน้า?
    • Stable Diffusion
    • GPT-4
    • โยโลฟ8
    • เรสเน็ต-50
  2. ดาวเรืองกำหนดกรอบงานการประมาณความลึกอย่างไร
    • เนื่องจากเป็นปัญหาการจำแนกประเภท
    • การสร้างแผนที่ความลึกแบบมีเงื่อนไข
    • เป็นการเรียนรู้แบบเสริมกำลัง
    • เนื่องจากเป็นปัญหาการรวมกลุ่ม
  3. มีอะไรน่าประหลาดใจเกี่ยวกับข้อมูลการฝึกของดาวเรือง?
    • ใช้การสแกนเชิงลึกจริงนับพันล้านครั้ง
    • ไม่จำเป็นต้องฝึกอบรมเลย
    • ได้รับการปรับแต่งอย่างละเอียดโดยใช้ชุดข้อมูลสังเคราะห์เป็นหลัก แต่ยังรวมไปถึงรูปภาพจริงอีกด้วย
    • มันใช้ข้อมูลเสียงเท่านั้น
  4. เหตุใดดาวเรืองโดยทั่วไปจึงช้ากว่าแบบจำลองเชิงลึกแบบป้อนไปข้างหน้า
    • มันทำงานบน CPU เท่านั้น
    • มันดาวน์โหลดข้อมูลจากอินเทอร์เน็ตทุกครั้ง
    • มันฝึกใหม่สำหรับทุกภาพ
    • โดยจะใช้ลูปการสุ่มตัวอย่างแบบ denoising ซ้ำ
  5. ดาวเรืองดำเนินการกระบวนการแพร่กระจายในพื้นที่ใด
    • พื้นที่แฝง VAE ของการแพร่กระจายที่เสถียร
    • พื้นที่พิกเซลดิบ
    • ความถี่/ปริภูมิฟูเรียร์
    • พื้นที่พอยต์คลาวด์
  6. Marigold จะปรับปรุงความเสถียรในเชิงลึกตลอดการวิ่งได้อย่างไร
    • โดยการลดความละเอียดของภาพลง
    • โดยรวบรวมคำทำนายตัวอย่างหลายรายการ
    • โดยการปิดการใช้งาน VAE
    • โดยการแปลงเป็นระดับสีเทา
  7. What does affine-invariant relative depth mean for a Marigold prediction?
    • Every pixel gives exact distance in meters without calibration
    • The output contains color labels instead of depth
    • Depth ordering is useful, but the output's absolute scale and offset need not equal real-world measurements
    • Only the nearest object receives a depth value
  8. Which pair of inputs does Marigold encode with the same VAE during its latent diffusion process?
    • The camera pose and a 3D mesh
    • The text prompt and a CLIP score
    • Two stereo images from separate cameras
    • The input image and the depth map