แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบ่งส่วนแบบทดสอบโมเดลอะไรก็ได้

ทำความเข้าใจการแบ่งส่วนรูปภาพและวิดีโอพร้อมท์ผ่าน SAM ดั้งเดิมและวิธีการขยายข้อมูลและหน่วยความจำของ SAM 2 ในภายหลัง

เส้นทางแนะนำที่เกี่ยวข้องแบ่งส่วนโมเดลอะไรก็ได้
คำถาม 1 ของ 8

แนวคิดหลักใดที่ทำให้ SAM เป็น 'แบบจำลองพื้นฐาน' สำหรับการแบ่งส่วน

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. แนวคิดหลักใดที่ทำให้ SAM เป็น 'แบบจำลองพื้นฐาน' สำหรับการแบ่งส่วน
    • โดยจะถือว่าการแบ่งส่วนเป็นงานที่พร้อมท์ซึ่งสรุปกับวัตถุที่มองไม่เห็น
    • มันใช้ได้กับใบหน้าเท่านั้น
    • จำเป็นต้องมีการฝึกอบรมใหม่สำหรับภาพใหม่ทุกภาพ
    • มันส่งออกกล่องที่มีขอบเขต ไม่เคยปิดบัง
  2. ชุดข้อมูล SA-1B ที่ใช้ในการฝึก SAM มีขนาดประมาณเท่าใด
    • หน้ากากอนามัยประมาณ 1,000 ชิ้น
    • มาสก์มากกว่า 1 พันล้านชิ้นจาก 11 ล้านภาพ
    • หน้ากากอนามัยประมาณ 1 ล้านชิ้น
    • หน้ากากอนามัย 50,000 ชิ้นพอดี
  3. เหตุใด SAM จึงแยกสถาปัตยกรรมออกเป็นตัวเข้ารหัสรูปภาพขนาดใหญ่และตัวเข้ารหัส/ตัวถอดรหัสพร้อมท์น้ำหนักเบา
    • ทำให้การฝึกเป็นไปไม่ได้
    • เพื่อหลีกเลี่ยงการใช้โครงข่ายประสาทเทียมใดๆ
    • ดังนั้นการฝังรูปภาพหนึ่งภาพจึงสามารถนำมาใช้ซ้ำได้สำหรับข้อความโต้ตอบหลายรายการในแบบเรียลไทม์
    • เพราะมาสก์คำนวณบน CPU เท่านั้น
  4. SAM จัดการกับพรอมต์ที่ไม่ชัดเจน เช่น การคลิกเพียงครั้งเดียวที่อาจหมายถึงหลายอ็อบเจ็กต์ได้อย่างไร
    • มันปฏิเสธที่จะส่งออกสิ่งใด
    • มันจะเลือกวัตถุที่ใหญ่ที่สุดเสมอ
    • มันขอให้ผู้ใช้พิมพ์คำอธิบาย
    • โดยจะคาดการณ์มาสก์ที่ถูกต้องหลายรายการและจัดอันดับตามความมั่นใจ
  5. SAM ใช้แบ็คโบนประเภทใดในการเข้ารหัสอิมเมจอินพุต
    • หม้อแปลงวิสัยทัศน์ (ViT)
    • โครงข่ายประสาทที่เกิดซ้ำ
    • ต้นไม้การตัดสินใจ
    • เครื่องเวกเตอร์สนับสนุน
  6. SAM 2 เพิ่มความสามารถหลักอะไรบ้างในปี 2024
    • การถอดเสียง
    • การแบ่งส่วนและติดตามวัตถุในเฟรมวิดีโอ
    • การสร้างคำบรรยายข้อความ
    • รองรับการพิมพ์ 3 มิติ
  7. What role did the data engine play in the original SAM project?
    • It replaced the image encoder with a text-only model
    • It automatically verified every mask as medically correct
    • It iteratively combined model-assisted annotation and human annotation to build SA-1B
    • It generated labels without human or model assistance
  8. How does SAM 2 use memory for video segmentation?
    • It discards all frames after processing each one
    • It predicts only a video-level class label
    • It replaces the prompt with an audio transcript
    • It stores information from prior frames to help segment the object in later frames