แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการเข้ารหัสอัตโนมัติแบบสวมหน้ากาก

ตรวจสอบงานสร้างภาพมาสก์สูงใหม่ของ MAE การออกแบบตัวเข้ารหัส-ตัวถอดรหัสแบบไม่สมมาตร และการตั้งค่าการฝึกอบรมล่วงหน้าที่ได้รับการประเมินของกระดาษ

เส้นทางแนะนำที่เกี่ยวข้องตัวเข้ารหัสอัตโนมัติที่สวมหน้ากาก
คำถาม 1 ของ 8

งานหลักที่ดูแลตนเองหลักใน Masked Autoencoder คืออะไร

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. งานหลักที่ดูแลตนเองหลักใน Masked Autoencoder คืออะไร
    • สร้างพิกเซลของแพตช์ที่ถูกซ่อนไว้ขึ้นมาใหม่
    • จำแนกแต่ละภาพเป็นหมวดหมู่ที่มีป้ายกำกับ
    • คาดการณ์เฟรมถัดไปในลำดับวิดีโอ
    • จับคู่รูปภาพกับคำบรรยายข้อความ
  2. โดยทั่วไปแล้ว MAE ดั้งเดิมจะปกปิดส่วนแพตช์รูปภาพประมาณเท่าใด
    • ประมาณ 15%
    • ประมาณ 75%
    • ประมาณ 35%
    • ประมาณ 95%
  3. เหตุใดตัวเข้ารหัส MAE จึงประมวลผลเฉพาะแพตช์ที่มองเห็นได้ (ไม่ปกปิด)
    • เพราะแผ่นมาส์กไม่มีสีที่เป็นประโยชน์
    • เพื่อป้องกันไม่ให้โมเดลเห็นภาพจริง
    • เพื่อให้การฝึกเร็วขึ้นและความจำมีประสิทธิภาพมากขึ้น
    • เนื่องจากตัวถอดรหัสไม่สามารถอ่านการเข้ารหัสตำแหน่งได้
  4. จะเกิดอะไรขึ้นกับตัวถอดรหัสหลังจากการฝึกอบรมล่วงหน้าของ MAE เสร็จสิ้นแล้ว
    • มันจะกลายเป็นตัวแยกประเภทหลัก
    • มันถูกแช่แข็งและใช้เพื่อสร้างภาพใหม่
    • มันมาแทนที่ตัวเข้ารหัสทั้งหมด
    • มันถูกทิ้ง; ตัวเข้ารหัสใช้สำหรับงานดาวน์สตรีม
  5. โดยทั่วไปแล้ว MAE จะใช้ฟังก์ชันการสูญเสียใดในการฟื้นฟู
    • ข้อผิดพลาดเฉลี่ยกำลังสองของพิกเซลแพทช์ที่ปิดบัง
    • ข้ามเอนโทรปีเหนือป้ายกำกับคลาส
    • การสูญเสียข้อมูลตรงกันข้าม
    • การสูญเสียการเลือกปฏิบัติของฝ่ายตรงข้าม
  6. การออกแบบ 'ไม่สมมาตร' ของ MAE หมายถึงอะไร
    • ขนาดภาพที่แตกต่างกันสำหรับอินพุตและเอาต์พุต
    • ตัวเข้ารหัสขนาดใหญ่จับคู่กับตัวถอดรหัสน้ำหนักเบา
    • การใช้ชุดข้อมูลสองชุดแยกกันสำหรับการฝึกอบรม
    • มาสก์เพียงครึ่งซ้ายของทุกภาพ
  7. On which large image dataset did the original MAE paper pretrain its main vision models?
    • MS COCO Captions only
    • LibriSpeech
    • ImageNet-1K
    • The Netflix Prize ratings set
  8. What does the MAE decoder receive for image patches hidden from the encoder?
    • The original RGB pixels without masking
    • Only class labels from ImageNet
    • A text caption for the image
    • Learned mask tokens with positional embeddings