MédiaMúltipla escolha

Questão de prática de AI-900

O que o recurso de 'legenda densa' (dense captioning) do Azure AI Vision faz?

Escolha a melhor resposta.

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.

Por que cada alternativa está certa ou errada

A

Incorreta

Cria legendas detalhadas muito longas para imagens inteiras

A legenda densa gera várias legendas curtas para regiões distintas dentro de uma imagem, e não uma descrição muito longa de toda a imagem. É tentadora porque a legendagem de imagem inteira produz uma única frase descritiva, o que seria correto quando o requisito é um resumo de toda a cena.

B

Correta

Gera descrições em linguagem natural para várias regiões dentro de uma única imagem

A legenda densa detecta várias regiões distintas em uma única imagem e produz uma descrição em linguagem natural separada para cada uma, em vez de uma única legenda para toda a imagem. Isso atende ao requisito do cenário para saída textual em nível de região em uma única imagem.

C

Incorreta

Extrai texto de imagens densas e ricas em texto, como documentos

A legenda densa gera legendas descritivas para várias regiões dentro de uma imagem; ela não realiza reconhecimento óptico de caracteres (OCR). É tentadora porque ambos os recursos processam o conteúdo da imagem, e seria correta quando o requisito é descrever vários objetos e seus relacionamentos em vez de ler texto impresso.

D

Incorreta

Analisa a densidade de objetos em uma imagem para contagem de multidões

A legenda densa gera legendas descritivas para várias regiões dentro de uma imagem, e não a medição da densidade de multidões. É tentadora porque 'densa' sugere contagem, mas a contagem de objetos é uma tarefa de detecção separada; a legenda densa emparelha propostas de regiões com descrições em linguagem natural de cada área.

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.