DINO سیلف ڈسٹلیشن کوئز

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

1. DINO میں 'NO' کا کیا مطلب ہے؟
   • کوئی لیبل نہیں۔
   • کوئی اصلاح کرنے والا نہیں۔
   • اعصابی پیداوار
   • معمول کا مقصد
2. DINO میں ٹیچر نیٹ ورک کے وزن کو کیسے اپ ڈیٹ کیا جاتا ہے؟
   • نقصان پر براہ راست میلان نزول کی طرف سے
   • تصادفی طور پر ہر قدم
   • طالب علم کے وزن کی ایک کفایتی حرکتی اوسط کے طور پر
   • وہ پہلے سے تربیت یافتہ ماڈل سے منجمد ہیں۔
3. اساتذہ کے آؤٹ پٹس کو سنٹرنگ اور تیز کرنے سے کیا مسئلہ ہوتا ہے؟
   • GPU کا زیادہ گرم ہونا
   • ایک مستقل آؤٹ پٹ پر موڈ کا خاتمہ
   • سست ڈیٹا لوڈنگ
   • رنگ کی بگاڑ
4. DINO کی کثیر فصلی حکمت عملی میں، استاد کون سے خیالات حاصل کرتا ہے؟
   • صرف چھوٹی مقامی فصلیں۔
   • بے ترتیب شور پیچ
   • صرف گرے اسکیل ورژن
   • صرف عالمی فصلیں۔
5. What emergent property did the original DINO study observe in vision-transformer attention maps?
   • Every map reconstructs an exact depth measurement
   • Some maps highlight object structure without segmentation-label training
   • Attention is trained directly on human-drawn masks
   • All heads produce perfect object boundaries on every image
6. How did DINOv2 extend the visual-feature approach of the original DINO?
   • It scaled self-supervised training with curated data for transferable visual features
   • It replaced visual inputs with text-only training
   • It required segmentation labels for all pretraining images
   • It removed the student-teacher learning approach entirely
7. In DINO training, which network receives gradients from the student-teacher cross-entropy objective?
   • Only the teacher, while the student stays frozen
   • Both networks through the same backpropagation update
   • Neither network because the outputs are fixed labels
   • The student, while teacher parameters follow a moving average
8. What does using DINOv2 as a frozen backbone mean for a downstream task?
   • It must be retrained from scratch for every input image
   • No task-specific output component can be attached
   • Its pretrained feature-extractor weights remain fixed while task-specific components use its features
   • The pretrained features can only reproduce the original training images