Resposta correta
- BGera descrições em linguagem natural para várias regiões dentro de uma única imagem
Explicação
O recurso de legenda densa do Azure AI Vision vai além da geração de uma única legenda para a imagem inteira. Ele analisa a imagem para identificar várias regiões distintas (por exemplo, uma pessoa, um carro, um edifício) e gera uma descrição em linguagem natural para cada região, juntamente com as coordenadas da caixa delimitadora (bounding box). Isso está correto porque o principal objetivo do recurso é fornecer descrições granulares a nível de região, e não apenas uma única legenda longa.
Para se aprofundar
A legenda densa executa uma proposta de região seguida pela geração de legendas por região, produzindo um conjunto de caixas delimitadoras, cada uma associada a uma frase curta em linguagem natural, seguida frequentemente por um resumo em nível de cena. Ela difere da legenda de imagem, que emite uma frase para todo o quadro, e do OCR, que extrai caracteres. Internamente, a API Analyze Image do Azure AI Vision expõe isso por meio de visualFeatures e das opções denseCaptions ou captions, dependendo da versão do SDK, retornando pontuações de confiança por região. Isso é importante em acessibilidade, análise de prateleiras de varejo ou monitoramento de segurança, onde você precisa saber o que está onde, e não apenas uma descrição global. Legendas muito longas para imagens inteiras e estimativa de densidade de multidão são capacidades diferentes.
Sobre estas questões de prática
Esta é uma das questões de prática originais de AI-900 da Courseiva, escrita para o aprendizado e nunca copiada de provas reais nem de dumps.
Traduzida do original em inglês com IA e conferida quanto ao sentido. Códigos de exame, comandos e nomes de produtos são mantidos como aparecem na prova.