اوپن وکیبلری آبجیکٹ کا پتہ لگانے والا کوئز

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

1. کھلے الفاظ کی آبجیکٹ کا پتہ لگانے کی وضاحتی صلاحیت کیا ہے؟
   • تربیت کے دوران خانوں کے ساتھ دیکھے جانے والے صرف زمروں کا پتہ لگانا
   • دوسرے تمام ڈٹیکٹرز سے زیادہ تیزی سے چل رہا ہے۔
   • صوابدیدی متن کے ذریعہ بیان کردہ اشیاء کا پتہ لگانا، بشمول غیر دیکھے ہوئے زمرے
   • صرف گرے اسکیل امیجز پر کام کرنا
2. In a common embedding-based open-vocabulary detector, how are candidate regions matched to user-supplied labels?
   • By using only the region's average brightness
   • By comparing visual-region features with text embeddings in a compatible representation space
   • By choosing labels alphabetically without visual features
   • By restricting every model to the original COCO class list
3. کون سا pretraining وسائل سب سے زیادہ کھلے الفاظ کا پتہ لگانے کے قابل بناتا ہے؟
   • وژن کی زبان کی جگہ سیکھنے کے لیے بڑے پیمانے پر تصویری متن کے جوڑے استعمال ہوتے ہیں۔
   • بالکل لیبل والے خانوں کا ایک چھوٹا سیٹ
   • آڈیو ریکارڈنگ
   • ہاتھ سے لکھا ہندسوں کے ڈیٹاسیٹس
4. What replaces fixed per-class classifier weights in a common embedding-based open-vocabulary design?
   • The camera's physical image sensor
   • The bounding-box coordinate system
   • All visual features with random file identifiers
   • Representations of the supplied text labels used for similarity-based classification
5. ان میں سے کون سی مثال کھلی الفاظ یا گراؤنڈنگ ڈیٹیکشن ماڈل ہے؟
   • ResNet-50 تنہا
   • DINO کو گراؤنڈ کرنا
   • ایک سادہ k- یعنی کلسٹرنگ اسکرپٹ
   • ایک اسپریڈشیٹ میکرو
6. What does an open-vocabulary detector's ability to use a new text category imply?
   • It guarantees accurate detection of every nameable object
   • The category must have been absent from every pretraining image and caption
   • It can attempt localization through learned vision-language associations, with accuracy requiring evaluation
   • It needs no visual features or bounding-box output
7. What output distinguishes text-conditioned object detection from simply saying that an image contains a named category?
   • Only a whole-image tag with no object location
   • Only the text prompt's word count
   • Only the image's dimensions and filename
   • Locations such as bounding boxes for the matching objects
8. Before using open-vocabulary predictions to auto-label a new domain, what should a dataset team check?
   • The boxes and labels under representative prompts, thresholds, and domain conditions
   • Assume text-conditioned predictions are automatically ground truth
   • Verify only that the label strings contain no spelling errors
   • Discard all visual inspection because image-text pretraining guarantees accuracy