MédiaMúltipla escolha

Questão de prática de AI-900

Uma biblioteca deseja gerar automaticamente texto alternativo (alt text) descritivo para centenas de fotografias históricas em seu arquivo digital. Para cada foto, o sistema deve produzir uma descrição em linguagem natural que inclua os objetos presentes (por exemplo, 'um cavalo', 'uma carruagem'), a ação que está sendo realizada (por exemplo, 'puxando') e o tipo de cena (por exemplo, 'rua da cidade'). Qual capacidade do Azure Computer Vision eles devem usar?

Escolha a melhor resposta.

Resposta correta

  • AAnálise de Imagem (Descrever imagem)

Explicação

A capacidade de análise de imagem 'Descrever imagem' (Describe image) foi projetada para gerar legendas legíveis por humanos que resumem o conteúdo de uma imagem, incluindo objetos, ações e contexto da cena. Isso corresponde diretamente ao requisito da biblioteca de produzir descrições em linguagem natural para fotografias históricas, pois usa uma combinação de detecção de objetos e compreensão de cenas para gerar uma frase completa.

Por que cada alternativa está certa ou errada

A

Correta

Análise de Imagem (Descrever imagem)

O recurso "Descrever imagem" do Image Analysis gera legendas em linguagem natural combinando detecção de objetos, reconhecimento de ação e classificação de cena em uma única frase, atendendo diretamente ao requisito do enunciado de descrições que nomeiam objetos, ações e o tipo de cena em centenas de fotografias. Ele é construído especificamente para esta tarefa exata de legendagem, ao contrário de capacidades mais restritas, como rotulagem ou OCR.

B

Incorreta

Reconhecimento Óptico de Caracteres (OCR)

O OCR extrai texto impresso ou manuscrito de imagens, portanto, retorna caracteres em vez de descrições de objetos, ações e cenas. Estaria correto para digitalizar legendas ou rótulos digitados nas fotografias, não para gerar texto alternativo.

C

Incorreta

Detecção de objetos

A detecção de objetos retorna caixas delimitadoras e rótulos de classe para itens individuais, mas nenhuma frase em linguagem natural descrevendo a ação ou a cena. Estaria correta para localizar e contar objetos específicos, como rotular cada carruagem no arquivo.

D

Incorreta

Detecção de rostos

A detecção de rostos apenas localiza rostos humanos e retorna caixas delimitadoras, portanto, não pode descrever cavalos, carruagens ou cenas de rua. Seria a capacidade certa para contar pessoas ou borrar rostos por privacidade no arquivo.

Para se aprofundar

O recurso Describe do Image Analysis do Azure Computer Vision retorna uma legenda em linguagem natural mais uma pontuação de confiança, gerada por um modelo que detecta objetos salientes, atributos e suas relações, e então compõe uma frase como 'um cavalo puxando uma carruagem em uma rua da cidade'. Difere do OCR, que extrai texto impresso ou manuscrito; da detecção de objetos, que retorna caixas delimitadoras e rótulos sem prosa fluida; e da detecção de rostos, que retorna retângulos de rostos e atributos. Uma sutileza: a legenda é uma única descrição dominante, portanto, cenas densas podem omitir objetos secundários e os limites de confiança devem ser ajustados. Isso importa para um arquivo que gera texto alternativo em escala, onde as legendas melhoram a acessibilidade, mas podem precisar de revisão humana para fotografias historicamente significativas ou ambíguas.

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.