引导式测验 · 简单 等级
图像字幕测验
审查图像字幕管道、注意力、COCO 注释和评估措施，同时识别物体幻觉风险。
问题 1 的 8
图像字幕系统会产生什么输出？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- 图像字幕系统会产生什么输出？
- 图像的自然语言描述
- 图像的更高分辨率版本
- 仅像素坐标列表
- 图像的压缩文件
- 在经典的字幕管道中，视觉编码器扮演什么角色？
- 它逐字写下最后一句话
- 它从图像中提取特征表示
- 它可以翻译不同语言之间的字幕
- 它对标题的语法进行评分
- 为什么注意力在图像字幕中有用？
- 它压缩图像以节省存储空间
- 它消除了对任何训练数据的需要
- 它让模型专注于每个单词的相关图像区域
- 它将字幕转换为音频
- 哪个数据集广泛用于训练和评估图像字幕？
- MNIST
- 维基文本
- 图书馆演讲
- 可可女士
- 字幕解码器“自回归”生成单词意味着什么？
- 它使用图像和迄今为止生成的单词来预测每个单词
- 它同时产生所有单词
- 每个图像仅输出一个单词
- 它将图像回归到像素
- 被称为“幻觉”的字幕模型常见故障模式指的是什么？
- 制作的字幕太短
- 描述图像中实际不存在的物体
- 翻译字幕不正确
- 在大图像上运行速度太慢
- 在原始的 COCO Captions 数据集中，每张图片收集了多少个人工生成的标题？
- 整个数据集总共一个标题
- 未收集文字描述
- 每张图片五个标题
- 每张图片一百个标题
- CIDEr 在评估图像标题时比较的是什么？
- 仅图片的像素分辨率
- 标题的音频波形与文字记录
- 标题是否包含特定数量的词
- 使用基于共识加权的 n 元语法将候选标题与人工参考标题进行比较