引導式測驗 · 簡單 等級

影像字幕測驗

審查影像字幕管道、注意力、COCO 註釋和評估措施,同時識別物體幻覺風險。

相關引導路徑圖片字幕
問題 1 的 8

影像字幕系統會產生什麼輸出?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 影像字幕系統會產生什麼輸出?
    • 圖像的自然語言描述
    • 影像的更高解析度版本
    • 僅像素座標列表
    • 影像的壓縮文件
  2. 在經典的字幕管道中,視覺編碼器扮演什麼角色?
    • 它逐字寫下最後一句話
    • 它從圖像中提取特徵表示
    • 它可以翻譯不同語言之間的字幕
    • 它對標題的語法進行評分
  3. 為什麼注意力在圖像字幕中有用?
    • 它壓縮圖像以節省儲存空間
    • 它消除了對任何訓練資料的需要
    • 它讓模型專注於每個單字的相關圖像區域
    • 它將字幕轉換為音頻
  4. 哪個資料集廣泛用於訓練和評估影像字幕?
    • 國家標準技術研究所
    • 維基文本
    • 圖書館演講
    • 可可女士
  5. 字幕解碼器「自回歸」產生單字意味著什麼?
    • 它使用圖像和迄今為止生成的單字來預測每個單字
    • 它同時產生所有單字
    • 每個圖像僅輸出一個單字
    • 它將圖像回歸到像素
  6. 被稱為「幻覺」的字幕模型常見故障模式指的是什麼?
    • 製作的字幕太短
    • 描述影像中實際不存在的物體
    • 翻譯字幕不正確
    • 在大圖像上運行速度太慢
  7. How many human captions were collected for each image in the original COCO Captions dataset?
    • One caption total for the entire dataset
    • No text descriptions were collected
    • Five captions per image
    • One hundred captions for every image
  8. What does CIDEr compare when evaluating an image caption?
    • Only the image’s pixel resolution
    • The caption’s audio waveform against a transcript
    • Whether the caption contains a certain number of words
    • The candidate caption against human reference captions using consensus-weighted n-grams