Respuesta correcta
- BGenera descripciones en lenguaje natural para múltiples regiones dentro de una sola imagen
Explicación
La característica de dense captioning de Azure AI Vision va más allá de generar un único título para toda la imagen. Analiza la imagen para identificar múltiples regiones distintas (por ejemplo, una persona, un auto, un edificio) y genera una descripción en lenguaje natural para cada región, junto con las coordenadas del cuadro delimitador. Esto es correcto porque el propósito fundamental de la característica es proporcionar descripciones granulares a nivel de región, y no solo un único título largo.
Para profundizar
El dense captioning ejecuta una propuesta de región seguida de la generación de títulos por región, produciendo un conjunto de cuadros delimitadores combinados cada uno con una frase corta en lenguaje natural, y a menudo un resumen a nivel de escena. Difiere del image captioning, que emite una oración para todo el fotograma, y del OCR, que extrae caracteres. Bajo el capó, la API Analyze Image de Azure AI Vision expone esto a través de visualFeatures y las opciones denseCaptions o captions dependiendo de la versión del SDK, devolviendo puntuaciones de confianza por región. Esto importa en accesibilidad, análisis de estantes minoristas o monitoreo de seguridad donde necesita saber qué hay dónde, no solo una descripción global. Los títulos muy largos para toda la imagen y la estimación de la densidad de multitudes son capacidades diferentes.
Sobre estas preguntas de práctica
Esta es una de las preguntas de práctica originales de AI-900 de Courseiva, escrita para aprender y nunca copiada de exámenes reales ni de dumps.
Traducida del original en inglés con IA y revisada para comprobar el sentido. Los códigos de examen, los comandos y los nombres de productos se mantienen tal como aparecen en el examen.