MediaOpción múltiple

Pregunta de práctica de AI-900

Una biblioteca desea generar automáticamente texto alternativo (alt text) descriptivo para cientos de fotografías históricas en su archivo digital. Para cada foto, el sistema debe producir una descripción en lenguaje natural que incluya los objetos presentes (por ejemplo, 'un caballo', 'un carruaje'), la acción que se está realizando (por ejemplo, 'tirando') y el tipo de escena (por ejemplo, 'calle de la ciudad'). ¿Qué capacidad de Azure Computer Vision deben utilizar?

Elige la mejor respuesta.

Respuesta correcta

  • AAnálisis de imagen (Describir imagen)

Explicación

La capacidad de análisis de imagen 'Describir imagen' (Describe image) está diseñada para generar subtítulos legibles por humanos que resumen el contenido de una imagen, incluidos los objetos, las acciones y el contexto de la escena. Esto coincide directamente con el requisito de la biblioteca de producir descripciones en lenguaje natural para fotografías históricas, ya que utiliza una combinación de detección de objetos y comprensión de escenas para generar una oración completa.

Por qué cada opción es correcta o incorrecta

A

Correcta

Análisis de imagen (Describir imagen)

La función "Describir imagen" de Image Analysis genera subtítulos en lenguaje natural combinando la detección de objetos, el reconocimiento de acciones y la clasificación de escenas en una sola oración, satisfaciendo directamente el requisito del enunciado de descripciones que nombren objetos, acciones y el tipo de escena en cientos de fotografías. Está diseñada específicamente para esta tarea de subtitulación, a diferencia de capacidades más específicas como el etiquetado o el OCR.

B

Incorrecta

Reconocimiento óptico de caracteres (OCR)

El OCR extrae texto impreso o escrito a mano de las imágenes, por lo que devuelve caracteres en lugar de descripciones de objetos, acciones y escenas. Sería correcto para digitalizar subtítulos o etiquetas mecanografiadas en las fotografías, no para generar texto alternativo.

C

Incorrecta

Detección de objetos

La detección de objetos devuelve cuadros delimitadores y etiquetas de clase para elementos individuales, pero ninguna oración en lenguaje natural que describa la acción o la escena. Sería correcto para ubicar y contar objetos específicos, como etiquetar cada carruaje en el archivo.

D

Incorrecta

Detección de rostros

La detección de rostros solo localiza rostros humanos y devuelve cuadros delimitadores, por lo que no puede describir caballos, carruajes o escenas callejeras. Sería la capacidad adecuada para contar personas o difuminar rostros por privacidad en el archivo.

Para profundizar

La función Describe de Image Analysis de Azure Computer Vision devuelve un subtítulo en lenguaje natural más una puntuación de confianza, generada por un modelo que detecta objetos salientes, atributos y sus relaciones, y luego compone una oración como 'un caballo tirando de un carruaje en una calle de la ciudad'. Se diferencia del OCR, que extrae texto impreso o escrito a mano; de la detección de objetos, que devuelve cuadros delimitadores y etiquetas sin prosa fluida; y de la detección de rostros, que devuelve rectángulos de rostros y atributos. Una sutileza: el subtítulo es una única descripción dominante, por lo que las escenas densas pueden omitir objetos secundarios y los umbrales de confianza deben ajustarse. Esto es importante para un archivo que genera texto alternativo a escala, donde los subtítulos mejoran la accesibilidad pero pueden necesitar revisión humana para fotografías históricamente significativas o ambiguas.

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.