2026年人工智能视频分析高频题库.docx

2026年人工智能视频分析高频题库

1.单项选择题（每题2分，共20分）

1.1在YOLOv8中，若输入图像尺寸为640×640，下采样倍数为32，则特征图的空间分辨率是

A.10×10??B.20×20??C.40×40??D.80×80

1.2下列关于Transformer在视频动作识别中的说法，正确的是

A.TimeSformer仅使用空间自注意力

B.ViViT将时空token直接拼接后输入Transformer

C.VideoSwinTransformer采用3D滑动窗口

D.MViT-v2在浅层使用通道分离卷积

1.3若一段30fps、时长10s、分辨