Вікторина, пов’язана з посібником · Середній Рівень

Тест про глибину монокуляра DepthAnything

Ознайомтеся з механізмом обробки даних учитель-студент Depth Anything, кодувальником DINOv2, виходами відносної глибини та вдосконаленнями синтетичних даних у V2.

Пов'язані напрямні шляхиDepthanything Монокулярна глибина
Питання 1 з 8

Що означає «монокулярна» оцінка глибини?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Що означає «монокулярна» оцінка глибини?
    • Прогнозування глибини за одним зображенням
    • Використання двох камер для стереобачення
    • Використання датчика LiDAR
    • Вимірювання глибини за допомогою звукових хвиль
  2. Якою була головна стратегія DepthAnything для досягнення сильного узагальнення?
    • Ручне маркування невеликого високоякісного набору даних
    • Навчання на приблизно 62 мільйонах зображень без міток із автоматичними мітками
    • Використання лише синтетичних даних ігрового движка
    • Покладаючись на пари стереокамер
  3. На якому магістральному кодувальнику побудовано DepthAnything?
    • ResNet-18 CNN
    • Повторювана мережа LSTM
    • Трансформатор зору DINOv2
    • Детектор YOLO
  4. Яку глибину первинно виводить вихідний DepthAnything?
    • Точна відстань в метрах
    • Лише двійковий передній план/фон
    • GPS координати
    • Відносна глибина (ближче проти далі)
  5. Як DepthAnything V2 покращив дрібні деталі та краї?
    • Навчаючи вчителя синтетичним даним із ідеальною ґрунтовною правдою, потім дистилюючи
    • Додаючи більше справжніх галасливих міток
    • Знявши шифратор трансформатора
    • Використовуючи вхідні дані з нижчою роздільною здатністю
  6. Яка програма НЕ є типовим використанням монокулярних карт глибини?
    • Розмиття фону в портретному режимі
    • Шифрування мережевого трафіку
    • Кондиціонування глибини ControlNet
    • Перетворення фотографій з 2D на 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models