Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ

Câu hỏi về độ sâu bằng một mắt

Xem lại công cụ dữ liệu giáo viên-học sinh của Depth Anything, bộ mã hóa DINOv2, đầu ra độ sâu tương đối và các cải tiến dữ liệu tổng hợp trong V2.

Đường dẫn hướng dẫn liên quanĐộ sâu một mắt
Câu hỏi 1 của 8

Ước tính độ sâu 'một mắt' có nghĩa là gì?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Ước tính độ sâu 'một mắt' có nghĩa là gì?
    • Dự đoán độ sâu từ một hình ảnh
    • Sử dụng hai camera để có tầm nhìn âm thanh nổi
    • Sử dụng cảm biến LiDAR
    • Đo độ sâu bằng sóng âm
  2. Chiến lược chính của DepthAnything để đạt được khả năng khái quát hóa mạnh mẽ là gì?
    • Dán nhãn thủ công cho một tập dữ liệu nhỏ chất lượng cao
    • Đào tạo về khoảng 62 triệu hình ảnh không được gắn nhãn tự động
    • Chỉ sử dụng dữ liệu công cụ trò chơi tổng hợp
    • Dựa vào cặp camera âm thanh nổi
  3. DepthAnything xây dựng trên bộ mã hóa xương sống nào?
    • Một CNN ResNet-18
    • Mạng LSTM định kỳ
    • Máy biến áp tầm nhìn DINOv2
    • Máy dò YOLO
  4. DepthAnything ban đầu chủ yếu tạo ra loại độ sâu nào?
    • Khoảng cách chính xác tính bằng mét
    • Chỉ nền trước/nền nhị phân
    • tọa độ GPS
    • Độ sâu tương đối (gần hơn và xa hơn)
  5. DepthAnything V2 đã cải thiện chi tiết và các cạnh đẹp như thế nào?
    • Bằng cách đào tạo giáo viên về dữ liệu tổng hợp với nền tảng chân lý hoàn hảo, sau đó chắt lọc
    • Bằng cách thêm nhiều nhãn ồn ào thực sự
    • Bằng cách loại bỏ bộ mã hóa máy biến áp
    • Bằng cách sử dụng đầu vào có độ phân giải thấp hơn
  6. Ứng dụng nào KHÔNG phải là cách sử dụng điển hình của bản đồ độ sâu bằng một mắt?
    • Làm mờ nền ở chế độ chân dung
    • Mã hóa lưu lượng mạng
    • Điều hòa độ sâu ControlNet
    • Chuyển đổi ảnh 2D sang 3D
  7. What dense prediction head does the Depth Anything guide pair with its DINOv2 encoder?
    • A Marching Tetrahedra mesh extractor
    • A CLIP text-image similarity head
    • A DPT-style dense prediction head
    • A causal language-model decoder
  8. How does Depth Anything V2 use a teacher model with unlabeled real photos?
    • The teacher converts each photo into a 3D mesh
    • The teacher supplies only image captions to a language model
    • The teacher replaces all synthetic depth labels with manually measured distances
    • The teacher generates pseudo-depth labels that are used to train student models