ایکشن ریکگنیشن کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. کیا چیز بنیادی طور پر عمل کی شناخت کو عام تصویری درجہ بندی سے ممتاز کرتی ہے؟
   • یہ اس بات کی وجہ بتاتا ہے کہ کس طرح پکسلز وقت کے ساتھ بدلتے ہیں، نہ کہ صرف ایک فریم
   • یہ بڑی تصاویر کا استعمال کرتا ہے۔
   • یہ صرف سیاہ اور سفید ویڈیو پر کام کرتا ہے۔
   • اس کے لیے کسی تربیتی ڈیٹا کی ضرورت نہیں ہے۔
2. کلاسک ٹو اسٹریم ایکشن ریکگنیشن نیٹ ورک میں، دوسرا سلسلہ عام طور پر کیا پروسیس کرتا ہے؟
   • آڈیو ویوفارمز
   • آپٹیکل بہاؤ حرکت کی نمائندگی کرتا ہے۔
   • ٹیکسٹ کیپشنز
   • GPS کوآرڈینیٹ
3. معیاری 2D کنولوشن کے مقابلے میں 3D کنولوشن کیا اضافہ کرتا ہے؟
   • رنگین چینلز
   • اعلی تصویر کی قرارداد
   • ایک عارضی (وقت) محور اس لیے فلٹرز متعدد فریموں پر محیط ہیں۔
   • ایک بڑا بیچ سائز
4. I3D ماڈل کے ذریعہ استعمال کی جانے والی 'افراطی' چال کیا ہے؟
   • ویڈیو کی چمک میں اضافہ
   • تصادفی طور پر مزید پرتیں شامل کرنا
   • ویڈیو فائل کو کمپریس کرنا
   • 2D امیج نیٹ ورک کے وزن کو وقت کے ساتھ نقل کرکے 3D میں پھیلانا
5. ایکشن کی شناخت کے لیے Something-Something ڈیٹاسیٹ قابل ذکر کیوں ہے؟
   • یہ ماڈلز کو منظر کے سیاق و سباق پر انحصار کرنے کے بجائے وقتی سمت کو سمجھنے پر مجبور کرتا ہے۔
   • اس میں صرف جانوروں کی ویڈیوز ہیں۔
   • اس کا کوئی لیبل نہیں ہے۔
   • یہ سنگل امیجز سے بنا ہے۔
6. کون سی تکنیک ایکشن ریکگنیشن ماڈلز کو بغیر لیبل والے ویڈیو سے سیکھنے میں مدد کرتی ہے؟
   • دستی فریم بہ فریم لیبلنگ
   • خود زیر نگرانی نقاب پوش ویڈیو ماڈلنگ
   • تمام موشن ڈیٹا کو حذف کرنا
   • صرف آڈیو استعمال کرنا
7. How many action-template classes did the initial Something-Something dataset paper describe?
   • 17 classes
   • 1,740 classes
   • 174 classes
   • 17,400 classes
8. What pretraining strategy does VideoMAE use?
   • Training only on single labeled frames
   • Replacing video with a text transcript
   • Predicting optical flow without reconstructing masked content
   • Masking a high proportion of video tokens and reconstructing them from visible tokens