Rehber bağlantılı sınav · Kolay Seviye

Resim Altyazısı Testi

Nesne halüsinasyonu risklerini tanırken görüntü altyazısı ardışık düzenlerini, dikkati, COCO ek açıklamalarını ve değerlendirme önlemlerini gözden geçirin.

İlgili kılavuz yollarıResim Altyazısı
Soru 1 arasında 8

Bir görüntü altyazı sistemi çıktı olarak ne üretir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Bir görüntü altyazı sistemi çıktı olarak ne üretir?
    • Resmin doğal dilde açıklaması
    • Resmin daha yüksek çözünürlüklü versiyonu
    • Yalnızca piksel koordinatlarının listesi
    • Resmin sıkıştırılmış dosyası
  2. Klasik altyazı oluşturma hattında görsel kodlayıcının rolü nedir?
    • Son cümleyi kelime kelime yazıyor
    • Görüntüden özellik temsillerini çıkarır
    • Altyazıları diller arasında çevirir
    • Altyazının gramerini puanlar
  3. Resim altyazısında dikkat neden faydalıdır?
    • Depolama alanından tasarruf etmek için görüntüyü sıkıştırır
    • Herhangi bir eğitim verisine olan ihtiyacı ortadan kaldırır
    • Modelin her kelime için ilgili görüntü bölgelerine odaklanmasını sağlar
    • Altyazıyı sese dönüştürür
  4. Görüntü altyazısını eğitmek ve değerlendirmek için yaygın olarak hangi veri kümesi kullanılır?
    • MNIST
    • VikiMetin
    • LibriKonuşma
    • MS COCO
  5. Bir altyazı kod çözücünün kelimeleri 'otoregresif olarak' üretmesi ne anlama gelir?
    • Görüntüyü ve şimdiye kadar oluşturulan kelimeleri kullanarak her kelimeyi tahmin eder
    • Tüm kelimeleri aynı anda üretir
    • Görüntü başına yalnızca tek bir sözcük üretir
    • Görüntüyü piksellere geri döndürür
  6. 'Halüsinasyon' olarak bilinen altyazı modellerinin yaygın bir başarısızlık modu neyi ifade eder?
    • Çok kısa altyazılar oluşturmak
    • Gerçekte görüntüde olmayan nesnelerin tanımlanması
    • Altyazıların yanlış çevrilmesi
    • Büyük resimlerde çok yavaş çalışma
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams