اختبار LaMa للدقة في الرسم القوي

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو المكون المعماري المميز الذي يمنح LaMa رؤيتها العالمية للصورة؟
   • تلافيفات فورييه السريعة
   • كتل المحولات الاهتمام الذاتي
   • طبقات LSTM المتكررة
   • شبكات الكبسولة
2. لماذا تتعامل LaMa مع الأقنعة الكبيرة بشكل أفضل من العديد من نماذج الرسم السابقة؟
   • إنه يعمل فقط على الصور الصغيرة
   • يتيح لها مجال الاستقبال العالمي لها مواصلة البناء عبر الثقوب الكبيرة
   • يقوم بنسخ البكسلات بشكل عشوائي من الحواف
   • يرفض ملء الأقنعة فوق حجم ثابت
3. What resolution behavior did the LaMa paper report?
   • It only works at one exact training resolution
   • It works only below the training resolution
   • It generalized to some resolutions higher than those used during training in the evaluated settings
   • It accepts no image input
4. ما نوع الأنسجة التي يتعامل معها LaMa بشكل جيد بفضل معالجته لمجال التردد؟
   • ضجيج عشوائي خالص
   • الألوان المفردة الصلبة فقط
   • أحرف النص حصرا
   • مواد متكررة ودورية مثل الطوب أو البلاط
5. Compared with large diffusion-based inpainting systems, how is LaMa commonly positioned?
   • As a comparatively efficient convolutional inpainting method
   • As a much slower model that requires a data center
   • As a video-only model
   • As a tool that never needs an image
6. ما هي الخسارة التي تساعد LaMa على إنتاج عمليات تعبئة ذات مظهر واقعي بدلاً من المتوسطات الباهتة؟
   • خسارة بسيطة لمتوسط خطأ تربيع البكسل وحدها
   • خسارة عدائية مقترنة بخسارة إدراكية
   • لا وظيفة الخسارة على الإطلاق
   • خسارة تقيس حجم الملف فقط
7. What additional loss component does the LaMa paper emphasize for large-mask inpainting?
   • فقدان التعرف على الكلام
   • A bitrate-only loss
   • A perceptual loss with a high receptive field
   • A loss that ignores image structure
8. Who introduced LaMa in the 2021 paper?
   • Jonathan Frankle and Michael Carbin
   • Cees Taal and colleagues
   • Timothy Dozat and Christopher Manning
   • Roman Suvorov and colleagues