مسابقة ترجمة صورة إلى صورة Pix2Pix

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما نوع بيانات التدريب التي تتطلبها Pix2Pix؟
   • أمثلة على صور المدخلات والمخرجات المقترنة
   • لا توجد بيانات على الإطلاق
   • التسميات التوضيحية النصية فقط
   • التسجيلات الصوتية
2. ما هي بنية المولدات التي يستخدمها Pix2Pix؟
   • شبكة بسيطة متصلة بالكامل
   • شبكة U-Net مع تخطي الاتصالات
   • شبكة متكررة
   • شجرة القرار
3. ما الذي يقوم بتقييمه مُميز PatchGAN في Pix2Pix؟
   • الصورة بأكملها كنتيجة عالمية واحدة
   • حجم ملف الصورة
   • واقعية بقع الصورة المحلية الصغيرة
   • وقت التدريب
4. لماذا تضيف Pix2Pix خسارة L1 إلى جانب خسارة الخصومة؟
   • لإبطاء التدريب عن قصد
   • لإزالة التمييز
   • لتوليد ضوضاء عشوائية
   • To anchor pixelwise and low-frequency fidelity while the adversarial loss encourages sharper texture
5. لماذا تعتبر اتصالات U-Net تخطي مفيدة بشكل خاص لمهام الترجمة؟
   • إنهم يمررون بنية مشتركة مثل الحواف مباشرة عبر الشبكة
   • يقومون بحذف الطبقات غير الضرورية
   • يقومون بتحويل الصور إلى نص
   • أنها تقلل من حجم مجموعة البيانات
6. ما النموذج الذي قام بتوسيع Pix2Pix للتعلم من مجموعات الصور غير المقترنة؟
   • ريسنيت
   • CycleGAN
   • بيرت
   • Word2Vec
7. Why can a PatchGAN discriminator encourage sharper local image texture?
   • It predicts the input labels directly
   • It replaces the generator’s U-Net
   • It judges realism in small image patches rather than only scoring the whole image
   • It computes only global color histograms
8. In Pix2Pix, which part of the objective most directly anchors an output to its paired target image?
   • The learning-rate warmup
   • The GAN’s random seed
   • The PatchGAN receptive-field count
   • The L1 pixel-difference loss