Maskelenmiş Otomatik Kodlayıcılar Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Maskeli Otomatik Kodlayıcıda kendi kendini denetleyen temel görev nedir?
   • Gizlenen yamaların piksellerini yeniden oluşturma
   • Her görüntüyü etiketli bir kategoriye ayırma
   • Bir video dizisindeki sonraki kareyi tahmin etme
   • Bir resmi metin başlığıyla eşleştirme
2. Orijinal MAE tipik olarak görüntü eklerinin yaklaşık olarak ne kadarını maskeliyor?
   • Yaklaşık %15
   • Yaklaşık %75
   • Yaklaşık %35
   • Yaklaşık %95
3. MAE kodlayıcı neden yalnızca görünür (maskelenmemiş) yamaları işliyor?
   • Çünkü maskelenmiş yamalar kullanışlı renk içermez
   • Modelin gerçek görüntüleri görmesini önlemek için
   • Eğitimi daha hızlı ve hafızayı daha verimli hale getirmek için
   • Çünkü kod çözücü konumsal kodlamaları okuyamıyor
4. MAE ön eğitimi tamamlandıktan sonra kod çözücüye ne olur?
   • Ana sınıflandırıcı haline gelir
   • Dondurulur ve yeni görüntüler oluşturmak için kullanılır
   • Kodlayıcının tamamen yerini alır
   • Atılır; kodlayıcı aşağı akış görevleri için kullanılır
5. MAE yeniden yapılandırma için genellikle hangi kayıp fonksiyonunu kullanır?
   • Maskelenmiş yama piksellerinde ortalama kare hatası
   • Sınıf etiketleri üzerinde çapraz entropi
   • Karşılaştırmalı InfoNCE kaybı
   • Çelişkili ayrımcı kaybı
6. MAE'nin 'asimetrik' tasarımı neyi ifade ediyor?
   • Giriş ve çıkış için farklı görüntü boyutları
   • Hafif bir kod çözücüyle eşleştirilmiş ağır bir kodlayıcı
   • Eğitim için iki ayrı veri kümesi kullanma
   • Her görüntünün yalnızca sol yarısını maskeleme
7. On which large image dataset did the original MAE paper pretrain its main vision models?
   • MS COCO Captions only
   • LibriKonuşma
   • 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