Bài kiểm tra ước tính độ sâu bằng một mắt

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

1. Điều gì làm cho việc ước tính độ sâu trở nên 'một mắt'?
   • Nó suy ra độ sâu từ một hình ảnh hoặc máy ảnh, không phải âm thanh nổi hoặc cảm biến
   • Nó sử dụng hai camera cách xa nhau như mắt người
   • Nó chỉ hoạt động trên hình ảnh đen trắng
   • Nó yêu cầu một máy quét lidar gắn vào máy ảnh
2. What does a monocular depth estimator predict for an image?
   • A stereo disparity field that requires two camera views
   • A per-pixel depth or relative-depth map from one camera view
   • A categorical object-label map with no distance estimate
   • A dense motion-vector field between two video frames
3. What data recipe does the Depth Anything V2 paper report?
   • Train only on real labeled images and discard synthetic data
   • Train on unlabeled audio and convert speech to depth maps
   • Train a DINOv2-G teacher on synthetic labeled images, then use its pseudo-labels on real images to train students
   • Use stereo disparity as labels for every image at inference time
4. Mạng một mắt KHÔNG dựa trực tiếp vào tín hiệu nào để xác định độ sâu?
   • Kích thước tương đối của vật thể
   • Độ dốc kết cấu và phối cảnh
   • Tắc nghẽn (đối tượng nào chặn đối tượng khác)
   • Sự chênh lệch âm thanh nổi giữa hai máy ảnh đồng thời
5. What does Monodepth2 use to reduce the effect of moving objects in self-supervised training?
   • An auto-masking procedure that excludes pixels inconsistent with camera motion
   • A learned text tokenizer
   • A region-proposal network
   • A fixed depth value for every object
6. What new evaluation benchmark does the Depth Anything V2 paper introduce?
   • A benchmark of 2,000 full metric depth maps from LiDAR only
   • DA-2K, with sparse relative-depth pairs annotated across 1,000 images
   • A corpus of six public datasets and randomly captured photos
   • A camera-calibration set containing no depth comparisons
7. How can self-supervised monocular depth training obtain a learning signal?
   • By reading depth labels from every pixel
   • By converting image colors directly to meters
   • By reconstructing one view from adjacent video frames and penalizing photometric mismatch
   • By using only language captions
8. What does a relative-depth output indicate?
   • Exact meters for every pixel
   • Camera GPS position
   • Object identity only
   • Ordering or relative distance, not necessarily calibrated metric distance