Rehber bağlantılı sınav · Orta Seviye

Her Şeyi Bölümlere Ayırın Model Testi

Orijinal SAM ve sonraki SAM 2 uzantısı, veri ve bellek yöntemleri aracılığıyla istenebilir görüntü ve video segmentasyonunu anlayın.

İlgili kılavuz yollarıHerhangi Bir Modeli Segmentlere Ayırın
Soru 1 arasında 8

Hangi temel fikir SAM'i segmentasyon için 'temel model' yapar?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Hangi temel fikir SAM'i segmentasyon için 'temel model' yapar?
    • Segmentasyonu, görünmeyen nesnelere genelleyen, yönlendirilebilir bir görev olarak ele alır.
    • Sadece yüzlerde işe yarıyor
    • Her yeni görüntü için yeniden eğitim gerektirir
    • Sınırlayıcı kutuların çıktısını alır, asla maskelemez
  2. SAM'i eğitmek için kullanılan SA-1B veri kümesi kabaca ne kadar büyüktür?
    • Yaklaşık 1.000 maske
    • 11 milyon görüntüde 1 milyardan fazla maske
    • 1 milyona yakın maske
    • Tam 50.000 maske
  3. SAM neden mimarisini ağır görüntü kodlayıcı ve hafif hızlı kodlayıcı/kod çözücü olarak ikiye ayırıyor?
    • Eğitimi imkansız hale getirmek
    • Herhangi bir sinir ağını kullanmaktan kaçınmak için
    • Böylece tek bir görüntü yerleştirme, birçok etkileşimli bilgi istemi için gerçek zamanlı olarak yeniden kullanılabilir
    • Çünkü maskeler yalnızca CPU'da hesaplanır
  4. SAM, birden fazla nesne anlamına gelebilecek tek bir tıklama gibi belirsiz bir istemi nasıl ele alır?
    • Herhangi bir şeyin çıktısını almayı reddediyor
    • Her zaman en büyük nesneyi seçer
    • Kullanıcıdan bir açıklama yazmasını ister
    • Birden fazla geçerli maskeyi tahmin eder ve bunları güvene göre sıralar
  5. SAM, giriş görüntüsünü kodlamak için ne tür bir omurga kullanır?
    • Bir Vizyon Transformatörü (ViT)
    • Tekrarlayan bir sinir ağı
    • Bir karar ağacı
    • Bir destek vektör makinesi
  6. SAM 2, 2024'te hangi önemli yeteneği ekledi?
    • Ses transkripsiyonu
    • Nesneleri video karelerine ayırma ve izleme
    • Metin altyazıları oluşturma
    • 3D baskı desteği
  7. Orijinal SAM projesinde veri motorunun rolü neydi?
    • Görüntü kodlayıcıyı salt metin modeliyle değiştirdi
    • Her maskenin tıbbi açıdan doğru olduğu otomatik olarak doğrulandı
    • SA-1B'yi oluşturmak için model destekli açıklama ile insan açıklamasını yinelemeli olarak birleştirdi
    • İnsan veya model yardımı olmadan etiketler oluşturdu
  8. SAM 2, video segmentasyonu için belleği nasıl kullanır?
    • Her birini işledikten sonra tüm kareleri atar
    • Yalnızca video düzeyinde bir sınıf etiketini tahmin eder
    • İstemi bir ses transkripti ile değiştirir
    • Nesnenin daha sonraki karelerde bölümlenmesine yardımcı olmak için önceki karelerdeki bilgileri saklar