کسی بھی چیز کے ماڈل کوئز کو سیگمنٹ کریں۔

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

1. کون سا بنیادی خیال SAM کو سیگمنٹیشن کے لیے 'فاؤنڈیشن ماڈل' بناتا ہے؟
   • یہ سیگمنٹیشن کو ایک فوری کام کے طور پر دیکھتا ہے جو نادیدہ اشیاء کو عام کرتا ہے۔
   • یہ صرف چہروں پر کام کرتا ہے۔
   • اسے ہر نئی تصویر کے لیے دوبارہ تربیت کی ضرورت ہوتی ہے۔
   • یہ باؤنڈنگ بکس کو آؤٹ پٹ کرتا ہے، کبھی ماسک نہیں کرتا
2. SAM کو تربیت دینے کے لیے استعمال ہونے والا SA-1B ڈیٹا سیٹ تقریباً کتنا بڑا ہے؟
   • تقریباً ایک ہزار ماسک
   • 11 ملین تصاویر میں 1 بلین سے زیادہ ماسک
   • تقریباً 1 ملین ماسک
   • بالکل 50,000 ماسک
3. SAM اپنے فن تعمیر کو ہیوی امیج انکوڈر اور ہلکے وزن کے پرامپٹ انکوڈر/ڈیکوڈر میں کیوں تقسیم کرتا ہے؟
   • تربیت کو ناممکن بنانا
   • کسی بھی اعصابی نیٹ ورک کے استعمال سے بچنے کے لیے
   • لہذا ایک امیج ایمبیڈنگ کو ریئل ٹائم میں بہت سے انٹرایکٹو پرامپٹس کے لیے دوبارہ استعمال کیا جا سکتا ہے۔
   • کیونکہ ماسک کا حساب صرف CPU پر ہوتا ہے۔
4. SAM ایک مبہم پرامپٹ کو کیسے ہینڈل کرتا ہے، جیسے کہ ایک کلک جس کا مطلب کئی اشیاء ہو سکتا ہے؟
   • یہ کسی بھی چیز کو آؤٹ پٹ کرنے سے انکار کرتا ہے۔
   • یہ ہمیشہ سب سے بڑی چیز کو چنتا ہے۔
   • یہ صارف سے وضاحت ٹائپ کرنے کو کہتا ہے۔
   • یہ متعدد درست ماسکوں کی پیش گوئی کرتا ہے اور اعتماد کے ساتھ ان کی درجہ بندی کرتا ہے۔
5. ان پٹ امیج کو انکوڈ کرنے کے لیے SAM کس قسم کی بیک بون استعمال کرتا ہے؟
   • ایک وژن ٹرانسفارمر (ViT)
   • ایک بار بار چلنے والا عصبی نیٹ ورک
   • فیصلہ کن درخت
   • ایک سپورٹ ویکٹر مشین
6. 2024 میں SAM 2 نے کون سی بڑی صلاحیت کا اضافہ کیا؟
   • آڈیو ٹرانسکرپشن
   • ویڈیو فریموں میں اشیاء کو الگ کرنا اور ٹریک کرنا
   • ٹیکسٹ کیپشن تیار کرنا
   • 3D پرنٹنگ سپورٹ
7. What role did the data engine play in the original SAM project?
   • It replaced the image encoder with a text-only model
   • It automatically verified every mask as medically correct
   • It iteratively combined model-assisted annotation and human annotation to build SA-1B
   • It generated labels without human or model assistance
8. How does SAM 2 use memory for video segmentation?
   • It discards all frames after processing each one
   • It predicts only a video-level class label
   • It replaces the prompt with an audio transcript
   • It stores information from prior frames to help segment the object in later frames