تصویری کیپشننگ کوئز

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

1. تصویر کیپشننگ سسٹم آؤٹ پٹ کے طور پر کیا پیدا کرتا ہے؟
   • تصویر کی قدرتی زبان کی وضاحت
   • تصویر کا ایک اعلی ریزولوشن ورژن
   • صرف پکسل کوآرڈینیٹ کی فہرست
   • تصویر کی ایک کمپریسڈ فائل
2. کلاسک کیپشننگ پائپ لائن میں، بصری انکوڈر کیا کردار ادا کرتا ہے؟
   • یہ آخری جملہ لفظ بہ لفظ لکھتا ہے۔
   • یہ تصویر سے خصوصیت کی نمائندگی نکالتا ہے۔
   • یہ زبانوں کے درمیان کیپشنز کا ترجمہ کرتا ہے۔
   • یہ کیپشن کے گرامر کو اسکور کرتا ہے۔
3. تصویر کیپشننگ میں توجہ کیوں مفید ہے؟
   • یہ سٹوریج کو بچانے کے لیے امیج کو کمپریس کرتا ہے۔
   • یہ کسی بھی تربیتی ڈیٹا کی ضرورت کو دور کرتا ہے۔
   • یہ ماڈل کو ہر لفظ کے لیے متعلقہ تصویری علاقوں پر توجہ مرکوز کرنے دیتا ہے۔
   • یہ کیپشن کو آڈیو میں بدل دیتا ہے۔
4. تصویر کیپشننگ کی تربیت اور جانچ کے لیے کون سا ڈیٹاسیٹ بڑے پیمانے پر استعمال ہوتا ہے؟
   • MNIST
   • وکی ٹیکسٹ
   • LibriSpeech
   • ایم ایس کوکو
5. کیپشن ڈیکوڈر کے لیے 'خودکار طریقے سے' الفاظ تیار کرنے کا کیا مطلب ہے؟
   • یہ تصویر اور اب تک بنائے گئے الفاظ کا استعمال کرتے ہوئے ہر لفظ کی پیش گوئی کرتا ہے۔
   • یہ تمام الفاظ ایک ساتھ پیدا کرتا ہے۔
   • یہ فی تصویر صرف ایک لفظ نکالتا ہے۔
   • یہ تصویر کو واپس پکسلز تک لے جاتا ہے۔
6. کیپشننگ ماڈلز کا ایک عام فیل موڈ جسے 'ہیلوسینیشن' کہا جاتا ہے کیا مراد ہے؟
   • کیپشن تیار کرنا جو بہت مختصر ہیں۔
   • ایسی اشیاء کو بیان کرنا جو حقیقت میں تصویر میں نہیں ہیں۔
   • کیپشنز کا غلط ترجمہ کرنا
   • بڑی تصاویر پر بہت آہستہ چل رہا ہے۔
7. How many human captions were collected for each image in the original COCO Captions dataset?
   • One caption total for the entire dataset
   • No text descriptions were collected
   • Five captions per image
   • One hundred captions for every image
8. What does CIDEr compare when evaluating an image caption?
   • Only the image’s pixel resolution
   • The caption’s audio waveform against a transcript
   • Whether the caption contains a certain number of words
   • The candidate caption against human reference captions using consensus-weighted n-grams