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。
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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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