Вікторина, пов’язана з посібником · важко Рівень

Вікторина «Трансформер Свін».

Перевірте увагу зі зміщеним вікном, комунікацію між вікнами, ієрархічні функції, об’єднання патчів і додатки візуальних завдань у Swin.

Пов'язані напрямні шляхиТрансформер Свін
Питання 1 з 8

Що означає «Swin» у Swin Transformer?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Що означає «Swin» у Swin Transformer?
    • Зміщені вікна
    • Гладке вікно
    • Просторова обмотка
    • Єдине вікно
  2. What positional information does Swin add within each local attention window?
    • Absolute word embeddings from a text tokenizer
    • A learnable relative-position bias
    • A global convolution kernel shared across all windows
    • A class-specific bounding-box regression target
  3. Як Swin дозволяє інформації переміщатися між окремими вікнами?
    • Він використовує повторювані з'єднання
    • Він повністю видаляє межі вікон
    • Він зміщує віконну перегородку шарами, що чергуються
    • Він використовує лише одне глобальне вікно
  4. Що роблять шари з об’єднанням латок між етапами Swin?
    • Збільште роздільну здатність і видаліть канали
    • Випадкове падіння патчів
    • Перекладіть патчі в слова
    • Об'єднайте сусідні патчі, зменшуючи роздільну здатність і збільшуючи канали
  5. Чому ієрархічний багатомасштабний вихід Swin особливо корисний?
    • Він акуратно підключається до систем виявлення та сегментації, які очікують піраміди функцій
    • Це допомагає лише з класифікацією за однією міткою
    • Це усуває потребу в даних з мітками
    • Це робить модель меншою за будь-який CNN
  6. How does Swin’s attention pattern differ from standard ViT attention?
    • Swin has no attention mechanism
    • Swin computes attention in local windows and shifts partitions between blocks; standard ViT uses global patch attention
    • ViT uses only local convolutions
    • Both always use identical global attention
  7. What scaling property does fixed-size window attention provide in Swin?
    • It is independent of image resolution
    • It becomes quadratic in channel count only
    • Attention computation grows linearly with image size for fixed window size
    • It removes all attention computation
  8. Why does shifted-window attention use a mask after the cyclic shift?
    • To force every patch to attend to every image patch
    • To remove all positional information
    • To convert window attention into a convolution
    • To prevent tokens from attending across boundaries that should remain separate windows