แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการเข้ารหัสอัตโนมัติแบบสวมหน้ากาก
ตรวจสอบงานสร้างภาพมาสก์สูงใหม่ของ MAE การออกแบบตัวเข้ารหัส-ตัวถอดรหัสแบบไม่สมมาตร และการตั้งค่าการฝึกอบรมล่วงหน้าที่ได้รับการประเมินของกระดาษ
คำถาม 1 ของ 8
งานหลักที่ดูแลตนเองหลักใน Masked Autoencoder คืออะไร
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- งานหลักที่ดูแลตนเองหลักใน Masked Autoencoder คืออะไร
- สร้างพิกเซลของแพตช์ที่ถูกซ่อนไว้ขึ้นมาใหม่
- จำแนกแต่ละภาพเป็นหมวดหมู่ที่มีป้ายกำกับ
- คาดการณ์เฟรมถัดไปในลำดับวิดีโอ
- จับคู่รูปภาพกับคำบรรยายข้อความ
- โดยทั่วไปแล้ว MAE ดั้งเดิมจะปกปิดส่วนแพตช์รูปภาพประมาณเท่าใด
- ประมาณ 15%
- ประมาณ 75%
- ประมาณ 35%
- ประมาณ 95%
- เหตุใดตัวเข้ารหัส MAE จึงประมวลผลเฉพาะแพตช์ที่มองเห็นได้ (ไม่ปกปิด)
- เพราะแผ่นมาส์กไม่มีสีที่เป็นประโยชน์
- เพื่อป้องกันไม่ให้โมเดลเห็นภาพจริง
- เพื่อให้การฝึกเร็วขึ้นและความจำมีประสิทธิภาพมากขึ้น
- เนื่องจากตัวถอดรหัสไม่สามารถอ่านการเข้ารหัสตำแหน่งได้
- จะเกิดอะไรขึ้นกับตัวถอดรหัสหลังจากการฝึกอบรมล่วงหน้าของ MAE เสร็จสิ้นแล้ว
- มันจะกลายเป็นตัวแยกประเภทหลัก
- มันถูกแช่แข็งและใช้เพื่อสร้างภาพใหม่
- มันมาแทนที่ตัวเข้ารหัสทั้งหมด
- มันถูกทิ้ง; ตัวเข้ารหัสใช้สำหรับงานดาวน์สตรีม
- โดยทั่วไปแล้ว MAE จะใช้ฟังก์ชันการสูญเสียใดในการฟื้นฟู
- ข้อผิดพลาดเฉลี่ยกำลังสองของพิกเซลแพทช์ที่ปิดบัง
- ข้ามเอนโทรปีเหนือป้ายกำกับคลาส
- การสูญเสียข้อมูลตรงกันข้าม
- การสูญเสียการเลือกปฏิบัติของฝ่ายตรงข้าม
- การออกแบบ 'ไม่สมมาตร' ของ MAE หมายถึงอะไร
- ขนาดภาพที่แตกต่างกันสำหรับอินพุตและเอาต์พุต
- ตัวเข้ารหัสขนาดใหญ่จับคู่กับตัวถอดรหัสน้ำหนักเบา
- การใช้ชุดข้อมูลสองชุดแยกกันสำหรับการฝึกอบรม
- มาสก์เพียงครึ่งซ้ายของทุกภาพ
- 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
- 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