ماسکڈ آٹو اینکوڈرز کوئز

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

1. ماسکڈ آٹو اینکوڈر میں بنیادی خود کی نگرانی کا کام کیا ہے؟
   • چھپے ہوئے پیچ کے پکسلز کو دوبارہ تشکیل دینا
   • ہر تصویر کو لیبل والے زمرے میں درجہ بندی کرنا
   • ویڈیو کی ترتیب میں اگلے فریم کی پیش گوئی کرنا
   • کسی تصویر کو اس کے ٹیکسٹ کیپشن سے ملانا
2. اصل MAE عام طور پر تصویری پیچ کے کس حصے کو ماسک کرتا ہے؟
   • تقریباً 15%
   • تقریباً 75%
   • تقریباً 35%
   • تقریباً 95%
3. MAE انکوڈر صرف نظر آنے والے (بغیر نقاب شدہ) پیچ پر کارروائی کیوں کرتا ہے؟
   • کیونکہ نقاب پوش پیچ میں کوئی مفید رنگ نہیں ہوتا
   • ماڈل کو کبھی بھی حقیقی تصاویر دیکھنے سے روکنے کے لیے
   • تربیت کو تیز تر اور زیادہ میموری کو موثر بنانے کے لیے
   • کیونکہ ڈیکوڈر پوزیشنل انکوڈنگز کو نہیں پڑھ سکتا
4. MAE پری ٹریننگ مکمل ہونے کے بعد ڈیکوڈر کا کیا ہوتا ہے؟
   • یہ بنیادی درجہ بندی بن جاتا ہے۔
   • اسے منجمد کیا جاتا ہے اور نئی تصاویر بنانے کے لیے استعمال کیا جاتا ہے۔
   • یہ انکوڈر کو مکمل طور پر بدل دیتا ہے۔
   • اسے ضائع کر دیا جاتا ہے۔ انکوڈر نیچے دھارے کے کاموں کے لیے استعمال ہوتا ہے۔
5. MAE عام طور پر تعمیر نو کے لیے کون سا نقصان کا فنکشن استعمال کرتا ہے؟
   • ماسکڈ پیچ پکسلز پر مربع کی خرابی کا مطلب ہے۔
   • کلاس لیبلز پر کراس اینٹروپی
   • متضاد InfoNCE نقصان
   • مخالف امتیازی نقصان
6. MAE کے 'غیر متناسب' ڈیزائن سے کیا مراد ہے؟
   • ان پٹ اور آؤٹ پٹ کے لیے تصویر کے مختلف سائز
   • ہلکے وزن والے ڈیکوڈر کے ساتھ جوڑا بنا ہوا ایک بھاری انکوڈر
   • تربیت کے لیے دو الگ الگ ڈیٹا سیٹس کا استعمال
   • ہر تصویر کے صرف بائیں نصف کو ماسک کرنا
7. On which large image dataset did the original MAE paper pretrain its main vision models?
   • MS COCO Captions only
   • LibriSpeech
   • ImageNet-1K
   • The Netflix Prize ratings set
8. What does the MAE decoder receive for image patches hidden from the encoder?
   • The original RGB pixels without masking
   • Only class labels from ImageNet
   • A text caption for the image
   • Learned mask tokens with positional embeddings